graph recommendation augmentations contrastive

Recommendation as Instruction Following: A Large Language Model Empowered Recommendation Approach

原文地址:https://arxiv.org/abs/2305.07001 本文作者将用户偏好、意图等构建为指令,并用这些指令调优一个LLM(3B Flan-T5-XL),该方法对用户友好,用户可以与系统交流获取更准确的推荐。 ## INTRODUCTION LLM是建立在自然语言文本上的,它不能直 ......

How Expressive are Graph Neural Networks in Recommendation

[TOC] > [Cai X., Xia L., Ren X. and Huang C. How expressive are graph neural networks in recommendation? CIKM, 2023.](http://arxiv.org/abs/2308.11127) ......

CF1857G Counting Graphs

`2023-08-08 23:00:07 solution` ## 题意: 求有多少个有 $n$ 个节点的无向图,使其满足以下条件: - 无重边自环。 - 有且只有一个最小生成树,且为给定树。 - 最大边权不大于 $S$。 对 $998244353$ 取模。 ## 思路: 其实就是让我们在给定的树加 ......
Counting Graphs 1857G 1857 CF

Time Matters Sequential Recommendation with Complex Temporal Information

[TOC] > [Ye W., Wang S., Chen X., Wang X., Qin Z. and Yin D. Time Matters: Sequential recommendation with complex temporal information. SIGIR, 2020.]( ......

通过提示大语言模型进行个性化推荐LLM-Rec: Personalized Recommendation via Prompting Large Language Models

论文原文地址:https://arxiv.org/abs/2307.15780 本文提出了一种提示LLM并使用其生成的内容增强推荐系统的输入的方法,提高了个性化推荐的效果。 ## LLM-Rec Prompting ![](https://img2023.cnblogs.com/blog/17994 ......

A Contextualized Temporal Attention Mechanism for Sequential Recommendation

[TOC] > [Wu J., Cai R. and Wang H. D\'ej\`a vu: A contextualized temporal attention mechanism for sequential recommendation. WWW, 2020.](http://arxiv. ......

[ARC105F] Lights Out on Connected Graph

前置芝士:[[ABC213G] Connectivity 2](https://www.cnblogs.com/adam01/p/17681390.html) #### 题目大意 给你一张 $n$ 个点 $m$ 条边的图,求有多少种删边方法使得删完后的图是一张联通二分图。 $n\le 17,m\le ......
Connected Lights Graph 105F ARC

CF724G Xor-matic Number of the Graph

[题目链接](https://codeforces.com/problemset/problem/724/G) 不妨先看一道更为基础的题:[CF845G](https://codeforces.com/problemset/problem/845/G)以及[它的题解](https://www.cnb ......
Xor-matic Number Graph matic 724G

Empty Graph (贪心/二分答案(操作是单调的))

思路 : 首先发现 性质 : 2个点的距离 就是 min(最小值ai X2, 2个点直接的距离) 二分答案, 什么是 单调的? 操作次数的影响是单调的 于是看 这个 答案, 需要几次操作即可. 直接枚举相邻2个点的距离为 最大值, 看看要修改多少次 或者贪心的直接 修改 k-1 小的值, 最后一个看 ......
答案 Empty Graph

Continuous-Time Sequential Recommendation with Temporal Graph Collaborative Transformer

[TOC] > [Fan Z., Liu Z., Zhang J., Xiong Y., Zheng L. and Yu P. S. Continuous-time sequential recommendation with temporal graph collaborative transfo ......

大模型时代的推荐系统Recommender Systems in the Era of Large Language Models (LLMs)

文章地址:https://arxiv.org/abs/2307.02046 笔记中的一些小实验中的模型都是基于GPT-3.5架构的ChatGPT模型。 本文主要讲述了比较具有代表性的方法利用LLM去学习user和item的表示,从预训练、微调和提示三个范式回顾了近期用于增强推荐系统的LLM先进技术, ......
Recommender Language 模型 Systems 时代

[论文阅读] Prototypical contrastive learning of unsupervis

# Prototypical contrastive learning of unsupervised representations ## abstract 这篇论文介绍了原型对比学习(PCL),一种将对比学习与聚类相结合的无监督表示学习方法。PCL不仅为实例区分任务学习低层特征,更重要的是==* ......

Position-Enhanced and Time-aware Graph Convolutional Network for Sequential Recommendations

# Position-Enhanced and Time-aware Graph Convolutional Network for Sequential Recommendations [TOC] > [Huang L., Ma Y., Liu Y., Du B., Wang S. and Li ......

Empowering Long-tail Item Recommendation through Cross Decoupling Network (CDN)

长尾问题是个老大难问题了。 在推荐中可以是用户/物料冷启动,在搜索中可以是中低频query、文档,在分类问题中可以是类别不均衡。长尾数据就像机器学习领域的一朵乌云,飘到哪哪里就阴暗一片。今天就介绍来自Google的一篇解决长尾物品推荐的论文。 ......

流程图绘制-relation-graph 【尝试3】

# App.vue ```vue ``` # link.js ```js const links = [ { from: "a", to: "b", }, { from: "b", to: "c", }, { from: "c", to: "d", }, { from: "d", to: "e", ......

E. Josuke and Complete Graph 数论分块

题意:很简单,给你l,r,让你输出对于这个区间中任意两个不同的数字的gcd组成的set的大小是多大。至于题面,我只能说,聪明人早就看出来那些图啊边啊啥的都是唬人的。 做法:显然我们是要去枚举的,但是我们不能去枚举选的那两个数字。所以我们选择枚举gcd有哪些。这些gcd又分两种: 第一种,假如一个数字 ......
数论 Complete Josuke Graph and

[论文阅读] Momentum contrast for unsupervised visual representation learning

# Momentum contrast for unsupervised visual representation learning ## Introduction 我们提出了动量对比(MoCo)作为一种构建具有对比损失的无监督学习的大型一致字典的方法(图1)。 我们将字典维护为数据样本队列:当前 ......

流程图绘制-relation-graph 【尝试2】

# App.vue ```vue ``` # nodes.js ```js const nodes = [ { id: "a", text: "a", data: { pic: "https://dss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=2308340537,46 ......

Time-aware Path Reasoning on Knowledge Graph for Recommendation

[TOC] > [Zhao Y., Wang X., Chen J., Wang Y., Tang W., He X. and Xie H. Time-aware path reasoning on knowledge graph for recommendation. TOIS, 2022.](h ......

How Can Recommender Systems Benefit from Large Language Models: A Survey 阅读笔记

论文主要从LLM应用在推荐系统哪些部分以及LLM如何应用在推荐系统中,还讨论了目前LLM应用在RS中的一些问题。 ###Where? 推荐系统哪些部分哪里可以应用到大模型?文章中提到了特征工程、特征编码、评分/排序函数、推荐流程控制。 - LLM for Feature Engineering - ......
Recommender Language Benefit Systems 笔记

论文解读(DEAL)《DEAL: An Unsupervised Domain Adaptive Framework for Graph-level Classification》

Note:[ wechat:Y466551 | 可加勿骚扰,付费咨询 ] 论文信息 论文标题:DEAL: An Unsupervised Domain Adaptive Framework for Graph-level Classification论文作者:Nan Yin、Li Shen、Baop ......

流程图绘制-relation-graph插件

App.vue ```vue ``` ```nodes const nodes = [ { id: "a", text: "a", data: { pic: "https://dss2.baidu.com/6ONYsjip0QIZ8tyhnq/it/u=2308340537,462224207&fm ......

【Azure Developer】使用 Microsoft Graph API查看用户状态和登录记录

问题描述 通过Microsoft Graph的API如何来查看用户信息和登录记录呢? 问题解答 第一步:需要一个授权Token 比如一个拥有查看用户权限的Azure账号,通过Azure CLI 命令获取到一个Access Token az cloud set --name AzureChinaClo ......
Developer Microsoft 状态 用户 Azure

知识图谱(Knowledge Graph)- Neo4j 5.10.0 使用 - Python 操作

数据基于: [知识图谱(Knowledge Graph)- Neo4j 5.10.0 使用 - CQL - 太极拳传承谱系表](https://www.cnblogs.com/vipsoft/p/17631347.html) 这是一个非常简单的web应用程序,它使用我们的Movie图形数据集来提供列 ......
图谱 Knowledge 知识 Python Graph

学习笔记:DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting

DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting ICML2022 论文地址:https://proceedings.mlr.press/v162/lan22a.html ......

[KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks

# [KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks ## 总结 提出了个多任务prompt学习框架,扩展GNN的泛化能力: 1. 统一了NLP和图学习领域的prompt格式,包括prompt token、to ......
Multi-Task Prompting Networks Neural Graph

知识图谱(Knowledge Graph)- Neo4j 5.10.0 使用 - Java SpringBoot 操作 Neo4j

上一篇使用了 CQL 实现了太极拳传承谱,这次使用JAVA SpringBoot 实现,只演示获取信息,源码连接在文章最后 三要素 在知识图谱中,通过三元组 集合的形式来描述事物之间的关系: - 实体:又叫作本体,指客观存在并可相互区别的事物,可以是具体的人、事、物,也可以是抽象的概念或联系,实体是 ......
Neo4j 图谱 Neo4 SpringBoot Knowledge

A Neural Influence Diffusion Model for Social Recommendation

[TOC] > [Wu L., Sun P., Fu Y., Hong R., Wang X. and Wang M. A neural influence diffusion model for social recommendation. SIGIR, 2019.](https://dl.acm ......

SocialLGN Light graph convolution network for social recommendation

[TOC] > [Liao J., Zhou W., Luo F., Wen J., Gao M., Li X. and Zeng J. SocialLGN: Light graph convolution network for social recommendation. Information ......

论文解读(CTDA)《Contrastive transformer based domain adaptation for multi-source cross-domain sentiment classification》

Note:[ wechat:Y466551 | 可加勿骚扰,付费咨询 ] 论文信息 论文标题:Contrastive transformer based domain adaptation for multi-source cross-domain sentiment classification论 ......