recommendation sequential diffusion diffurec
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 ......
Diffusion Model理解
Diffusion Model理解 整体理解 拆楼（正向过程）可以直接一步步加噪声做，建楼（反向过程）需要使用模型来学习 苏剑林. (Jun. 13, 2022). 《生成扩散模型漫谈（一）：DDPM = 拆楼 + 建楼 》文章中截图 从右向左是正向过程，\(q(x_t|x_{t-1})\) 是加噪 ......
Stable Diffusion保姆级安装教程
什么是Stable Diffusion Stable Diffusion（简称SD）是2022年发布的一个深度学习文本到图像生成模型，由慕尼黑大学的CompVis研究团体首先提出，并与初创公司Stability AI、Runway合作开发，同时得到了EleutherAI和LAION的支持。 St ......
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 ......
Stable Diffusion(SD-Webui)tag快速提权(降权)
1.选中tag（只要光标在你分词里面就行）
2.CRTRL+上下方向键（向上默认提0.1，向下默认减.0.1，当权为1时候会帮你自动消掉括号） ......
Stable_diffusion入门学习
前言 最近升级了一下电脑的显卡，搞了个4060ti 16g的，于是乎终于可以玩玩一直想玩的AI绘画了。简单学习了一下入门教程，了解了一下基本的情况，于是选择秋葉大佬的启动器学习。 但是要画出好看的绘画，还是需要借助于许多其他工具来优化和修复绘画的图形。接下来我将一一记录我在学习过程中所整理的笔记和资 ......
Stable Diffusion Seed
点击了附加/Extra就会看到扩展栏 种子变异（Variation seed） 变异种子，规则和Seed一致 变异强度（Variation strength） 变异种子和原种子的差异强度，为0时为原种子，为1时是新种子（变异种子）。 调整变异强度 简单正向prompt（1 hot girl），原始种 ......
Stable Diffusion 数学支撑
一、生成模型 在概率统计理论中， 生成模型是指能够随机生成观测数据的模型 GAN 模型因其对抗性训练的本质可能导致训练不稳定以及生成多样性不足VAE 依赖于替代损失Flow 模型必须使用专门的架构来构建可逆变换 扩散模型受非平衡热力学的启发。它们定义了一个扩散步骤的马尔可夫链，逐渐向数据添加随机噪声 ......
Stable Diffusion安装使用ControlNet1.1
一、下载扩展 [https://github.com/Mikubill/sd-webui-controlnet](https://github.com/Mikubill/sd-webui-controlnet) Reload UI 重新加载webui 二、下载模型 [https://huggingf ......
Stable Diffusion安装使用Multi Frame Render
一、下载脚本 无跳帧动画脚本下载地址放置目录：./scripts 二、使用 img2img--Script--(Beta) Multi-frame Video rendering-V0.72 其他 PIL.UnidentifiedImageError : cannot identify image ......
Stable Diffusion安装使用Mov2mov
一、下载插件 [https://github.com/Scholar01/sd-webui-mov2mov](https://github.com/Scholar01/sd-webui-mov2mov)刷新UI 二、WebUI操作 1、图生图 图生图目的是选择合适的参数达到想要的效果 2、mov2m ......
Stable Diffusion组成
一、Text Understander（蓝色部分） 将文字转换成某种计算机能理解的数学表示 text understander是个特别的Transformer语言模型（例如clip，可参考Clip介绍） text understander的输入是人类语言（token），输出是一系列的向量（token ......
Stable Diffusion Seed
点击了附加/Extra就会看到扩展栏 种子变异（Variation seed） 变异种子，规则和Seed一致 变异强度（Variation strength） 变异种子和原种子的差异强度，为0时为原种子，为1时是新种子（变异种子）。 调整变异强度 简单正向prompt（1 hot girl），原始种 ......
Stable Diffusion Prompt
Prompt俗称咒语，实际上也是很难完全把控，在实际生图过程中需要不断的摸索。本文从“规则”、“原理”、“结合扩散模型”三个角度对Prompt进行探讨，希望小伙伴们能对Prompt整体有立体的认识。 一、规则 1、增强/减弱（emphasized） 实质是：缩放语义向量 :::warning ()强 ......
Stable Diffusion 数学支撑
一、生成模型 在概率统计理论中， 生成模型是指能够随机生成观测数据的模型 GAN 模型因其对抗性训练的本质可能导致训练不稳定以及生成多样性不足VAE 依赖于替代损失Flow 模型必须使用专门的架构来构建可逆变换 扩散模型受非平衡热力学的启发。它们定义了一个扩散步骤的马尔可夫链，逐渐向数据添加随机噪声 ......
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 ......
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 ......
2020CVPR_High-Resolution Image Synthesis with Latent Diffusion Models
1.AutoEncoder AutoEncoder（自编码器）是一种无监督学习的神经网络模型，用于学习有效的数据表示。它的目标是将输入数据编码成一种潜在的、紧凑的表示形式，然后从这个表示中重构原始输入。自编码器由两部分组成：编码器（Encoder）和解码器（Decoder）。编码器（Encoder） ......
2311arxiv_Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model
论文疑点： 1. 怎样利用低维度紧凑的潜在空间减少了计算负担 ......
Diffusion Model扩散模型
1、扩散模型基本原理： 扩散模型包括两个步骤： 固定的（或预设的）前向扩散过程q：该过程会逐渐将高斯噪声添加到图像中，直到最终得到纯噪声。 2.可训练的反向去噪扩散过程pθ：训练一个神经网络，从纯噪音开始逐渐去噪，直到得到一个真实图像 。 正向过程首先，对于一张原始图片，我们给加一个高斯噪声，图片由 ......
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 ......
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 ......
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 ......
Stable diffusion
Stable Diffusion 目前来说效果比较好的影像生成模型, 就算不是Stable Diffusion, 套路也和其相似. 而Stable Diffusion就是目前最好的影像生成模型. How it works 目前最好的影像生成模型, 其内部基本上由三个元件组成. 第一个元件是Text ......
diffusers sdxl 性能分析
加载fp16模型到显存的消耗 单图运算时的消耗 unet阶段 vae阶段 双图运算时的消耗 unet阶段 vae阶段 ......
Diffusers去除NSFW限制
title: Diffusers去除NSFW限制 banner_img: https://drive.studyinglover.com/api/raw/?path=/photos/blog/background/1679397024795.jpeg date: 2023-6-11 0:02:00 ......