LibRec 精选:深度异质自编码器(2018:感谢遇见)

2018 年 12 月 30 日 LibRec智能推荐

LibRec 精选

LibRec智能推荐 第 22 期(至2018.12.30),更新 4 篇精彩讨论内容。


这世间从没有来日方长,许多人都是乍然离场。再见,2018。 


今天的内容一定要翻到最后。

1. Comparison of Recommender Systems in an Ed-Tech Application

Alejandro Baldominos, David Quintana

https://arxiv.org/abs/1812.05465v2

Smile and Learn is an Ed-Tech company that runs a smart library with more that 100 applications, games and interactive stories, aimed at children aged 2 to 10 and their families. Given the complexity of navigating all the content, the library implements a recommender system. The results suggest a direct connection between the order of the recommendation and the interest raised, and the superiority of recommendations based on popularity against other alternatives.


2. Domain-to-Domain Translation Model for Recommender System

Linh Nguyen, Tsukasa Ishigaki

https://arxiv.org/abs/1812.06229v1

Recently multi-domain recommender systems have received much attention from researchers because they can solve cold-start problem as well as support for cross-selling. To handle the two problems, we propose a model that can extract both homogeneous and divergent features among domains and extract data in a domain can support for other domain equally: a so-called Domain-to-Domain Translation Model (D2D-TM). Experiments underscore the effectiveness of the proposed system over state-of-the-art methods by a large margin.


3. A Fuzzy Community-Based Recommender System Using PageRank

Maliheh Goliforoushani, Radin Hamidi Rad, Maryam Amir Haeri

https://arxiv.org/abs/1812.09380v1

This paper introduces a recommender system based on community detection. The recommendation is provided using the local and global similarities between users. Here, a new fuzzy community detection using the personalized PageRank metaphor is introduced.


4. Deep Heterogeneous Autoencoders for Collaborative Filtering

Tianyu Li, Yukun Ma, Jiu Xu, Bjorn Stenger, Chen Liu, Yu Hirate

https://arxiv.org/abs/1812.06610v1

This paper leverages heterogeneous auxiliary information to address the data sparsity problem of recommender systems. We propose a model that learns a shared feature space from heterogeneous data, such as item descriptions, product tags and online purchase history, to obtain better predictions. Our model consists of autoencoders, not only for numerical and categorical data, but also for sequential data, which enables capturing user tastes, item characteristics and the recent dynamics of user preference.


尾记:这是最好的时代,也是最坏的时代。


不知不觉间,LibRec也走过了几个春秋,发布了多个版本,当然也存在这样或那样的问题,大家在社区群的讨论我们也一直在关注。感谢各位朋友一直以来的支持和帮助,才促使它走到了今天。LibRec团队也正在积极调整,继续招募英才,培训选拔学生,愿早日充实力量,继续开发新版本,实现落地应用的目标。LibRec的两个关联项目:IdeaMan 和 LibDL 都已经在全力推进(具体内容见郭老师个人主页)。


再见,2018,这一年有了LibRec 3.0,也有了更多人的关注,Star数已超2000,Fork数超过780。展望,2019,希望这一年是快速发展,落地应用的转折年。除了 LibRec 团队的努力,也请求大家继续支持,多给我们提意见,时间或条件允许的话,也请贡献您的一份力量,谢谢!


感谢遇见!



登录查看更多
2

相关内容

自动编码器是一种人工神经网络,用于以无监督的方式学习有效的数据编码。自动编码器的目的是通过训练网络忽略信号“噪声”来学习一组数据的表示(编码),通常用于降维。与简化方面一起,学习了重构方面,在此,自动编码器尝试从简化编码中生成尽可能接近其原始输入的表示形式,从而得到其名称。基本模型存在几种变体,其目的是迫使学习的输入表示形式具有有用的属性。自动编码器可有效地解决许多应用问题,从面部识别到获取单词的语义。
专知会员服务
59+阅读 · 2020年3月19日
【MIT深度学习课程】深度序列建模,Deep Sequence Modeling
专知会员服务
75+阅读 · 2020年2月3日
南洋理工大学,深度学习推荐系统综述
专知会员服务
172+阅读 · 2019年10月14日
[综述]深度学习下的场景文本检测与识别
专知会员服务
76+阅读 · 2019年10月10日
LibRec 精选:你见过最有趣的论文标题是什么?
LibRec智能推荐
4+阅读 · 2019年11月6日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
LibRec 精选:CCF TPCI 的推荐系统专刊征稿
LibRec智能推荐
4+阅读 · 2019年1月12日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
LibRec 每周精选:近期推荐系统论文及进展
机器学习研究会
4+阅读 · 2018年2月5日
Arxiv
19+阅读 · 2019年11月23日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
Arxiv
13+阅读 · 2018年4月18日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
5+阅读 · 2017年7月23日
VIP会员
相关资讯
LibRec 精选:你见过最有趣的论文标题是什么?
LibRec智能推荐
4+阅读 · 2019年11月6日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:近期15篇推荐系统论文
LibRec智能推荐
5+阅读 · 2019年3月5日
LibRec 精选:推荐系统的常用数据集
LibRec智能推荐
17+阅读 · 2019年2月15日
LibRec 精选:CCF TPCI 的推荐系统专刊征稿
LibRec智能推荐
4+阅读 · 2019年1月12日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
LibRec 精选:基于LSTM的序列推荐实现(PyTorch)
LibRec智能推荐
50+阅读 · 2018年8月27日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
LibRec 每周精选:近期推荐系统论文及进展
机器学习研究会
4+阅读 · 2018年2月5日
相关论文
Arxiv
19+阅读 · 2019年11月23日
Next Item Recommendation with Self-Attention
Arxiv
5+阅读 · 2018年8月25日
Arxiv
13+阅读 · 2018年4月18日
Arxiv
6+阅读 · 2018年2月7日
Arxiv
7+阅读 · 2018年1月31日
Arxiv
5+阅读 · 2017年7月23日
Top
微信扫码咨询专知VIP会员