标签：检索与挖掘
会议交流 | 图与推荐前沿实践探索
图神经网络技术在推荐系统中得到广泛应用，因为推荐系统中的信息本质上都具有图结构，而GNN在图表示学习方面具有优势。多家互联网公司的算法工程师分享了如何...
ACL 2020 多跳问答的基于对齐的无监督迭代解释检索方法
机器学习算法的可解释性仍然是机器学习在真实世界应用中的一个关键的未解决的问题。当前许多 QA 的神经网络方法的研究缺乏对推断过程的人类可理解的解释。而...
推荐系统的图方法
近几年有很多工作将图模型应用于推荐系统，并为推荐系统带来了更好的实体表示和更强的解释能力。本文将介绍2020年放在arXiv上的两篇图推荐相关的综述，旨在为...
大厂的广告系统升级，怎能少了大模型的身影
本文从腾讯广告混元AI大模型及广告大模型出发，介绍腾讯广告系统背后的技术，以及如何带来广告系统的硬指标——商品交易总额（GMV）的提升。目录：大模型：广告...
KDD’22「阿里」推荐系统中的通用序列表征学习
对序列表征学习（SRL）方面提出新方法，大多数现有的 SRL 方法依赖于明确的商品 ID 来开发序列模型，这些方法很难迁移到新的推荐场景中。本文提出了一种新颖...
SIGIR 2022 | 港大等提出超图对比学习在推荐系统中的应用
推荐系统根据用户、商品的特征。基于矩阵分解、深度神经网络等方法的协同过滤（Collaborative Filtering）技术已经成为大多数推荐系统的基础架构;将用户和商...
KDD 2022 | 如何在跨域推荐中使用对比学习？
论文链接:https，跨域推荐（CDR）是借助源域在目标域中提供更好的推荐结果。即候选生成）模块中的CDR在知识迁移和表征学习上受数据稀疏性和流行度偏差的影响...
KDD2022 | 基于知识增强提示学习的统一会话推荐系统
论文链接：对话推荐系统（CRS）旨在通过交互式的对话向用户推荐高质量的商品。它通常包括推荐和对话两个模块，现有工作在两个模块之间共享知识和表示。或者设...
精准推断用户习惯的迁移学习架构PeterRec
推导迁移学习对计算机视觉和NLP领域产生了重大影响，但尚未在推荐系统广泛使用。虽然大量的研究根据建模的用户-物品交互序列生成推荐，但很少有研究尝试表征...
【ECCV-2020】通过最小化逆动力学分歧来实现从观察中模仿学习 Consensus-Aware Visual-Semantic Embedding for Image-Text Matching
提出一种全新的视觉-文本匹配算法模型，现有的方法只依赖于成对的图像-文本示例来学习跨模态表征。这些方法只利用实例级别的数据中存在的表层关联，这会限制...
这是一个专注于人工智能产品的导航站。
