recommendation contrastive effective lightgcl
基于融合语义信息改进的内容推荐算法。Improved content recommendation algorithm integrating semantic information.
引言 路漫漫其修远兮，吾将上下而求索。每天一篇论文，做更好的自己。 本文读的这篇论文为发表于2023年5月28日的一篇名为《基于融合语义信息改进的内容推荐算法》（基于融合语义信息改进的内容推荐算法）的文章，文章主要介绍了基于内容的推荐技术在电子商务和教育领域的广泛应用，以及传统基于内容推荐技术在语义 ......
基于正则化的图自编码器在推荐算法中的应用 Application of graph auto-encoders based on regularization in recommendation algorithms
引言 看过的每一篇文章，都是对自己的提高。不积跬步无以至千里，不积小流无以成江海，积少成多，做更好的自己。 本文基于2023年4月6日发表于SCIPEERJ COMPUTER SCIENCE（PEERJ计算机科学）上的一篇名为《基于正则化的图自编码器在推荐算法中的应用》（Application of ......
Top-N推荐算法 Top-N recommendation Algorithms
引言 推荐算法是计算机专业中的一种算法，通过一些计算，能够推测用户喜欢的东西，在互联网环境中应用比较广泛。Top-N算法在生活中非常常见，比如学术论文推荐论文、音乐软件推荐歌曲等。 今天看到一篇名叫"A Revisiting Study of Appropriate Offline Evaluati ......
Effective C++ 总结提炼版
导读 size_t 只是一个typedef，是unsigned类型，也是vector，deque，string内的operator[]函数接受的类型. definition定义式，对于变量：任务是编译器拨发内存，对于function：提供代码本体 判别拷贝构造和拷贝赋值：有无新对象实例的产生，如果是 ......
MMGCN: Multi-modal Graph Convolution Network for Personalized Recommendation of Micro-video
目录概符号说明MMGCN代码 Wei Y., Wang X., Nie L., He X., Hong R. and Chua T. MMGCN: Multi-modal graph convolution network for personalized recommendation of mic ......
React Hook 之 Effect ：同步与外部系统的数据
有时组件中的数据需要与外部系统的数据或操作同步，React提供了Hook Effect。 Effect 会在组件渲染后运行一些代码，以便将组件与 React 之外的某些系统同步，包比如浏览器 API、第三方小部件，以及网络请求等。 如以下的video播放器的简单加载： // 声明 Effect im ......
LightGCL Simple Yet Effective Graph Contrastive Learning For Recommendation论文阅读笔记
Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 ......
《Effective Java》阅读笔记-第六章
Effective Java 阅读笔记 第六章 枚举和注解 第 34 条 用 enum 代替 int 常量 int 类型常量或者 String 类型常量作为参数的可读性和可维护性都比较差，甚至 IDE 都不好提示。 Java 中的枚举是完全单例，并且可以有字段、方法，以及实现接口（因为编译之后就是个 ......
GCGP：Global Context and Geometric Priors for Effective Non-Local Self-Attention加入了上下文信息和几何先验的注意力
Global Context and Geometric Priors for Effective Non-Local Self-Attention * Authors: [[Woo S]] 初读印象 comment:: （GCGP）提出了一个新的关系推理模块，它包含了一个上下文化的对角矩阵和二维相 ......
SiReN Sign-Aware Recommendation Using Graph Neural Networks论文阅读笔记
Abstract 目前使用GNN的推荐系统主要利用高评分的正向用户-物品交互信息。但是如何利用低评分来表示用户的偏好是一个挑战，因为低评分仍然可以提供有用的信息。所以在本文中提出了基于GNN模型的有符号感知推荐系统SiReN，SiReN有三个关键组件 构造一个符号二部图更精确的表示用户的偏好，分为两 ......
PANE-GNN Unifying Positive and Negative Edges in Graph Neural Networks for Recommendation论文阅读笔记
Abstract 目前利用GNN的推荐系统主要关注用户的正面反馈，而忽略了负面反馈提供的见解。于是我们提出了PANG- GNN，该模型将图神经网络的正面和负面边统一在一起。PANG-GNN首先将原始评分图根据正面和负面反馈划分为两个不同的二分图。接下来分别使用两个独立的嵌入，即感兴趣嵌入和无兴趣嵌入 ......
《Effective Java》阅读笔记-第五章
Effective Java 阅读笔记 第五章 泛型 第 26 条 不要使用原生类型 随着泛型的普及，这条没什么可说的。 如果不知道具体类型，可以使用<?>来代替。 第 27 条 消除 unchecked 警告 原生类型到泛型转换时，编译会有警告，可以使用@SuppressWarnings("unc ......
Adaptive Graph Contrastive Learning for Recommendation论文阅读笔记
Abstract 在实际的场景中，用户的行为数据往往是有噪声的，并且表现出偏态分布。所以需要利用自监督学习来改善用户表示。我们提出了一种新的自适应图对比学习(AdaGCL)框架，该框架使用两个自适应对比视图生成器来进行数据增强，以更好地增强CF范式。具体的说，我们使用了两个可训练的视图生成器，一个图 ......
Effective C++笔记总结
1、示C++为一个语言联邦 C++是个多重范型编程语言（multiparadigm programming language），一个同时支持过程形式（procedural）、面向对象形式（object-oriented）、函数形式（functional）、泛型形式（generic）、元编程形式（me ......
Recommendation as Instruction Following: A Large Language Model Empowered Recommendation Approach
目录概InstructRecInstruction Generation Zhang J., Xie R., Hou Y., Zhao W. X., Lin L., Wen J. Recommendation as instruction following: a large language mo ......
A Novel Approach Based on Bipartite Network Recommendation and KATZ Model to Predict Potential Micro-Disease Associations
A Novel Approach Based on Bipartite Network Recommendation and KATZ Model to Predict Potential Micro-Disease Associations Shiru Li 1, Minzhu Xie 1, Xi ......
阅读《Effective c++》第三版 day 3
本系列是我在阅读《Effective C++》时的思考及感悟，希望让更多学习C++的人看到学习，并希望指出文章有错误之处，我愿意接受指正。 ......
阅读《Effective c++》第三版 day 2
·为多态基类声明virtual析构函数 情况：使用父类指针接收子类对象，然后通过父类指针销毁该对象时，如果父类具有非虚拟析构函数，会发生切片现象 （子类对象通过基类指针赋值或传递给一个基类对象，只会保留子类对象中基类部分的数据。）为了解决这个问题，通常建议将基类析构函数声明为虚拟析构函数。 ·别 ......
Generative-Contrastive Graph Learning for Recommendation论文阅读笔记
Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 ......
阅读《Effective c++》第三版笔记 day 1
阅读《Effective c++》第三版 day 1 ·容易区别的 copy 构造和 copy 赋值，如果一个新对象被定义，则一定会被某个构造函数调用，不可能做调用赋值操作，如果新对象没有被定义，则不会有构造函数被调用，会被当成赋值操作。 bool hasAccpetTableQuality(Wid ......
[粘贴]Introducing Exadata X9M: Dramatically Faster, More Cost Effective, and Easier to Use
https://blogs.oracle.com/exadata/post/exadata-x9m The Exadata Product Management and Development teams are excited to announce the next generation of ......
《Effective Java》阅读笔记-第四章
Effective Java 阅读笔记 第四章 类和接口 第 15 条 使类和成员的可访问性最小化 软件设计的基本原则之一：封装 第 16 条 使用 Getter/Setter 代替 public 字段 这书的翻译可真垃圾 第 17 条 使可变性最小化 标准库中有许多不可变类：String、基础类型 ......
《Effective Java》阅读笔记-第三章
Effective Java 阅读笔记 第三章 对于所有对象都通用的方法 第 10 条 重写 equals 时请遵守通用约定 重写 equals 方法很简单，但是很容易出现错误，最直接避免这种错误的方式就是不重写 equals， 当出现任意一下情况的时候，就不需要重写 equals： 类的每个实例在 ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
《Effective Java》阅读笔记-第二章
Effective Java 阅读笔记 第二章 创建和销毁对象 第 1 条：用静态工厂方法代替构造器 静态工厂方法优势： 静态工厂方法有名称 静态工厂方法可以详细的指定名称，而使用构造器时如果没有文档会难以区分不同构造器之间的区别。 不必每次调用的时候创建一个新对象 静态工厂方法可以缓存预先构建好的 ......
【源码系列#02】Vue3响应式原理（Effect）
专栏分享：vue2源码专栏，vue3源码专栏，vue router源码专栏，玩具项目专栏，硬核💪推荐🙌 欢迎各位ITer关注点赞收藏🌸🌸🌸 Vue3中响应数据核心是 reactive ， reactive 的实现是由 proxy 加 effect 组合，上一章节我们利用 proxy 实现了 ......
论文阅读13-SCGC:Simple Contrastive Graph Clustering
论文阅读13-SCGC:Simple Contrastive Graph Clustering 存在的问题 由于对比学习的发展，设计了更加一致和有辨别力的对比损失函数来取代网络训练的聚类引导损失函数。结果，缓解了手动试错问题，并提高了聚类性能。然而，复杂的数据增强和耗时的图卷积操作降低了这些方法的效 ......
After Effects 2024：打造引人入胜的视觉效果 mac/win版
After Effects 2024是一款由Adobe公司开发的视频特效和动画制作软件，是专业影视制作领域的必备工具之一。它可以帮助用户在Windows或Mac操作系统上创建各种类型的视频动画和特效，包括2D和3D合成、动画、色彩校正、音频合成等等。 点击获取After Effects 2023 A ......
【略读论文|时序知识图谱补全】Temporal Knowledge Graph Reasoning with Historical Contrastive Learning
会议：AAAI，时间：2023，学校：上海交通大学 摘要： 大多数时序知识图谱的推理方法高度依赖于事件的递归或周期性，这给推断与缺乏历史交互的实体相关的未来事件带来了挑战。本文提出一种新的基于历史对比学习训练框架的对比事件网络（CENET）的新事件预测模型。 1.CENET 学习历史和非历史依赖来区 ......
Vue3 的 effect、 watch、watchEffect 的实现原理
所谓 watch，就是观测一个响应式数据或者监测一个副作用函数里面的响应式数据，当数据发生变化的时候通知并执行相应的回调函数。 Vue3 最新的 watch 实现是通过最底层的响应式类 ReactiveEffect 的实例化一个 reactive effect 对象来实现的。它的创建过程跟 effe ......