recommendation contrastive effective lightgcl
Contrastive Learning for Representation Degeneration Problem in Sequential Recommendation
[TOC] > [Qiu R., Huang Z., Ying H. and Wang Z. Contrastive learning for representation degeneration problem in sequential recommendation. WSDM, 2022.] ......
Effectively Final 变量
Effectively Final 变量 如果在lambda表达式中引用了non-final变量，则会报错。 effectively final是什么意思呢？这个是一个近似final的意思。只要一个变量只被赋值一次，那么编译器将会把这个变量看作是effectively final的。 String ......
Effective Modern C++（四）再探移动语义与完美转发
移动语义 移动语义是c++11最为重要的特性之一，但这不代表着我们可以在任何时候都无脑地使用它。 在以下几个情况下，移动语义并没有什么用处。 没有移动操作：要移动的对象没有提供移动操作，所以移动的写法也会变成复制操作。 比如对于STL库中的array容器而言，他的元素都直接存储在了对象当中，并没有一 ......
Effective Modern C++（三）引用折叠
template<typename T> void func(T&& param); 对于一个通用引用，只有当实参被用来实例化通用引用形参时，才会推导形参T。 编码机制是简单的。当左值实参被传入时，T被推导为左值引用。当右值被传入时，T被推导为非引用。 Widget widgetFactory(); ......
Effective Modern C++（二）完美转发与移动语义
移动语义使编译器有可能用廉价的移动操作来代替昂贵的拷贝操作。正如拷贝构造函数和拷贝赋值操作符给了你控制拷贝语义的权力，移动构造函数和移动赋值操作符也给了你控制移动语义的权力。移动语义也允许创建只可移动（move-only）的类型，例如std::unique_ptr，std::future和std:: ......
Effective Modern C++（一）
通用引用与右值引用 我们以T&&的形式声明一个右值引用，但并不是所有形如T&&形式的声明都为右值引用，他还有可能是一个万能引用。 事实上，“T&&”有两种不同的意思。第一种，当然是右值引用。这种引用表现得正如你所期待的那样：它们只绑定到右值上，并且它们主要的存在原因就是为了识别可以移动操作的对象。 ......
Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Wang Q., Cui L and Zhang X. Self-supervised hypergraph convolutional networks for session-based recommendation. AAAI, ......
Self-Supervised Graph Co-Training for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Shao Y. and Cui L. Self-supervised graph co-training for session-based recommendation. CIKM, 2021.](http://arxiv.org/a ......
Global Context Enhanced Graph Neural Networks for Session-based Recommendation
[TOC] > [Wang Z., Wei W., Cong G., Li X., Mao X. and Qiu M. Global context enhanced graph neural networks for session-based recommendation. SIGIR, 202 ......
Neural Attentive Session-based Recommendation
[TOC] >[ Li J., Ren P., Chen Z., Ren Z., Lian T. and Ma J. Neural attentive session-based recommendation. CIKM, 2017.](http://arxiv.org/abs/1711.04725 ......
Memory Priority Model for Session-based Recommendation
[TOC] > [Liu Q., Zeng Y., Mokhosi R. and Zhang H. STAMP: Short-term attention/memory priority model for session-based recommendation. KDD, 2018.](http ......
Effective Modern C++ 学习笔记
前言记录下阅读此书的感想与总结，一方面能巩固复习，另一方面也能更好地浓缩本书的精华，方便日后的回看。 第五章 右值引用、移动语义和完美转发它们带来的好处 移动语义使得编译器能使用效率更高的移动操作来替换昂贵的复制操作移动语义使得创建只移对象成为可能，如：std::unique_ptr, td::th ......
Personalized Top-N Sequential Recommendation via Convolutional Sequence Embedding
Tang J. and Wang K. Personalized top-n sequential recommendation via convolutional sequence embedding. WSDM, 2018. 概 序列推荐的经典之作, 将卷积用在序列推荐之上. 符号说明 $\ma ......
论文解读（ID-MixGCL）《ID-MixGCL: Identity Mixup for Graph Contrastive Learning》
论文信息 论文标题：ID-MixGCL: Identity Mixup for Graph Contrastive Learning论文作者：Gehang Zhang.....论文来源：2023 aRxiv论文地址：download 论文代码：download视屏讲解：click 介绍 ......
Controllable Guarantees for Fair Outcomes via Contrastive Information Estimation
Gupta U., Ferber A. M., Dilkina B. and Steeg G. V. Controllable guarantees for fair outcomes via contrastive information estimation. AAAI, 2021. 概 本文提 ......
Mac视频编辑的最佳理想工具—After Effects 2022
After Effects是 Adobe用于构建和处理视频和图像的主要工具。它包含从原始和后期视频处理到专业编辑的所有处理功能。除了一些高级功能外, After Effects还包括专业视频编辑。由于 After Effects可以以更大的分辨率和帧速率处理单个视频和图像以产生更多的不同格式。尽管 ......
Handling Information Loss of Graph Neural Networks for Session-based Recommendation
Chen T. and Wong R. C. Handling information loss of graph neural networks for session-based recommendation. KDD, 2020. 概 作者发现图用在 Session 推荐中存在: lossy ......
vue3源码-二、响应式原理effect的实现
effect实现 定义effect方法： export function effect(fn, options: any = {}) { // 创建响应式的effect const effect = createReactiveEffect(fn, options); // 默认会让effect先执 ......
《Effective C#》系列之（六）——提高多线程的性能
一、综述 《Effective C#》中提高多线程性能的方法主要有以下几点： 避免锁竞争：锁的使用会导致线程阻塞，从而影响程序的性能。为了避免锁竞争，可以采用无锁编程技术，如CAS（Compare-And-Swap），Interlocked 等。 使用 Thread Pool：Thread Pool ......
《Effective C#》系列之（零）——概要
把全书的内容讲述完整可能需要很长时间，我可以先回答主要目录和核心的内容。如果您有任何特定问题或需要更详细的解释，请告诉我。 《Effective C#》一书共包含50条C#编程建议，以下是其中的一些主要目录： 1. 理解C#的基础知识2. 使代码更易于阅读和理解3. 利用C#语言的新功能4. 改进异 ......
《Effective C#》系列之（五）——优化集合的使用
一、优化集合的使用 在《Effective C#》这本书中，优化集合的使用是其中一章的内容。以下是该章节的一些核心建议，以及使用C#代码示例说明： 使用泛型集合：泛型集合可以避免装箱和拆箱操作，提高代码的性能和可读性。例如： // 使用泛型List集合 var list = new List<int ......
《Effective C#》系列之（三）——最小化内存泄露和资源占用
在《Effective C#》这本书中，最小化资源泄漏是其中一章的内容。以下是该章节的一些核心建议，以及使用C#代码示例说明： 及时释放非托管资源：在使用非托管资源时，需要手动释放这些资源，以避免资源泄漏。例如： // 打开一个文件流并读取其中的数据 using (var stream = new ......
《Effective C#》系列之（三）——充分利用C#语言的新功能
在《Effective C#》这本书中，利用C#语言的新功能是其中一章的内容。以下是该章节的一些核心建议，以及使用C#代码示例说明： 利用自动属性：在C# 3.0中引入了自动属性，可以大大简化属性的声明和使用。例如： // 声明一个自动属性 public string Name { get; set ......
《Effective C#》系列之（二）——如何使代码易于阅读和理解
在《Effective C#》这本书中，使代码更易于阅读和理解是其中一章的主要内容。以下是该章节的一些核心建议： 使用清晰、有意义的名称：变量、方法、类型等的名称应该能够准确地描述其含义，不要使用缩写或过于简短的名称。 遵循命名约定：在C#语言中，通常会采用PascalCase或camelCase的 ......
《Effective C#》系列之（一）——异常处理与资源管理
请注意，《Effective C#》中的异常处理与资源管理部分实际上是第四章的内容。以下是关于该章节的详细解释。 第四章：异常处理与资源管理 一. 了解异常处理机制 异常处理机制使程序员能够在程序运行过程中处理错误情况。C#提供了try-catch-finally语句块来捕获和处理异常。了解不同类型 ......
解决 c3p0报错 Establishing SSL connection without server's identity verification is not recommended
解决 c3p0报错 Establishing SSL connection without server's identity verification is not recommended ?useSSL=false <c3p0-config> <default-config> <property ......
2022AAAI_Semantically Contrastive Learning for Low-light Image Enhancement(SCL_LLE)
1. motivation 利用语义对比学习 2. network (1) 输入的是低光图像首先经过图像增强的网络（Zero-DCE), 再将它传入语义分割网络中 （2）语义分割网络用的是DeepLabv3+ ......
Effective C++总结
1.视C++为一个语言联邦c++是C、面向对象C++、泛型编程、以及stl的集合。2.尽量以const\enum\inline替换#define3.尽可能使用const4.确定对象使用前已经被初始化5.了解C++默认生成并调用哪些函数7.为多态基类声明virtual析构函数8.别让异常逃离析构函数9 ......
Effective Modern C++ 学习笔记
闲话 今天是 2023 年 4 月 23 日，俺开始正式学习面试相关内容了。打算先从 Effective Modern C++ 这本书开始学起，作为日后代码风格、习惯的指导。不过俺没有一起学习的小伙伴，qwq。 与 ICPC 切割之后，内心都轻松了许多。小醉一宿之后还是十分愉悦的。 欢迎加入 C++ ......
迁移学习（CLDA）《CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation》
论文信息 论文标题：CLDA: Contrastive Learning for Semi-Supervised Domain Adaptation论文作者：Ankit Singh论文来源：NeurIPS 2021论文地址：download 论文代码：download视屏讲解：click 1 简介 ......