暂无搜索历史
5.29 投简历 约面 5.30 一面 结束后10分钟约2面 5.31 二面 6.5 过了一个周末到周二还是二面链接 就去催了下 然后当天转为hr面 6.7 约...
TLDR: 随着手机游戏的激增,准确预测用户在新下载游戏上的支出已成为最大化收益的关键。然而,内在的不可预测性用户行为的分析对这项工作提出了重大挑战。为解决这个...
TLDR: 本篇综述旨在调研生成式推荐模型(Gen-RecSys)的主要进展,包括:交互驱动生成模型的基本概述;大型语言模型(LLM)在生成式推荐、检索和会话推...
TLDR: 受前段时间大火的KAN网络的启发,本文提出一种基于FourierKAN的图协同过滤推荐模型,将图卷积网络中的MLP模型替换为KAN模型,以此来提高模...
TLDR: 这篇文章给大家分享来自香港大学数据智能实验室最近推出的智能推荐大模型XRec,旨在利用大语言模型为推荐系统提供基于自然语言的可解释性。
TLDR: 现有的许多图神经网络方法存在一个共同的局限性,即对高质量监督信号的强烈依赖,导致在处理稀疏和噪声数据时泛化性能较差。为了提升图神经网络的泛化能力,自...
本文精选了上周(0610-0616)最新发布的15篇推荐系统相关论文,主要研究方向包括基于语言模型推荐的偏好优化、基于蒸馏的多样性推荐、图协同过滤推荐、为序列推...
TLDR: 本文发现了对比学习引入推荐系统的意外漏洞,并展示了如何通过调整谱值来增强推荐系统中的中毒攻击效果。
TLDR: 本文针对现有自监督和图神经网络结合的模型局限性,提出了一种能够根据下游任务进行自适应监督信号增强的模型GFormer,同时引入了任务相关性等模块的...
TLDR: 为了缓解多模态推荐存在的效率问题,本文提出一种高效适配多模态表征的序列推荐方法,并提出了一种更加全面的效率衡量指标TPME,最后从实验和理论方面证实...
TLDR: 本文解读一篇来自抖音团队的论文。该工作主要聚焦在解决流式推荐系统中时间信息建模的问题,目前已经被SIGIR2024 Industry Track录用...
TLDR: 本文全面综述了自监督学习(SSL)在推荐系统中的应用,深入分析了逾170篇论文。提出了一个涵盖九大推荐场景的自监督分类体系,详细探讨了对比学习、生成...
TLDR: 为解决基于大语言模型的推荐系统的遗忘学习问题,本文引入了适配器分区和聚合(APA)框架,可以在保持推荐性能的同时实现精确高效的遗忘学习。
TLDR: 本文提出了一个统一的搜推间用户转换行为建模框架,有效地对不同类型的细粒度行为转换进行建模,为用户提供统一的搜索和推荐服务。
TLDR: 本文对预训练语言模型和基于预训练语言模型的序列推荐模型进行了广泛的模型分析和实验探索,发现采用行为调整的预训练语言模型来进行基于ID的序列推荐模型的...
TLDR: 本文提出一种通用的去噪自增强学习框架,该框架不仅结合了社会影响力来帮助理解用户偏好,而且还通过识别社会关系偏差和去噪跨视图自监督来减轻噪声影响。
TLDR: 本文针对协同过滤技术固有的数据稀疏问题,提出了两种监督对比损失函数,将锚定节点的近邻信息视为最终目标损失函数内的正样本。通过对所提出的损失函数进行梯...
TLDR: 本文开发了一种检索增强的注意力方法,旨在获取样本内和样本间的细粒度特征交互,在保持效率的同时提高了点击率预估算法的预测能力。
TLDR: 港大发布通用图基座模型OpenGraph,巧妙地从大语言模型(LLM)中蒸馏零样本以增强图泛化能力。
论文:arxiv.org/html/2402.17188v1 代码:github.com/HKUDS/PromptMM