recommendations distributions lightweight confidence
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 ......
Pytorch distributed overview
torch.distributed 包 v1.6.0后包括三个主要的部分： 1.Distributed Data-Parallel Training(DDP):单程序多数据训练范式。模型被复制到每个进程中，每个模型副本被提供一组不同的输入数据，并将其梯度计算累加以加快训练速度。（collective ......
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 ......
（15-418）Lecture 5 Performance Optimization Part 1 Work Distribution and Scheduling
高性能编程的三个目标： 执行单元的负载均衡 减少线程、进程间的交流 减少额外开销 尽量先实现一个最简单的解决方案，之后对其扩展以提高性能。 Balancing the workload 理想情况下，所有处理器在整个程序执行期间都忙于计算。 根据Amdahl定律，程序中的串行部分的比例对最大加速比有很 ......
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 ......
LetGo: A Lightweight Continuous Framework for HPC Applications Under Failures
letgo 摘要 HPC需要容错，而检查点技术开销太大。 提出letgo，能在崩溃时继续执行HPC。为什么能提？1.有的HPC应用有比较好的内在容错能力，可以重新利用默认机制。 用五个benchmark，结果不错 introduction letgo能够存在的依据： 一旦发出导致崩溃的错误信号，就可 ......
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 ......
DDS(Data Distribution Service) 数据分发服务
DDS是一个以数据为中心的中间件协议和API标准，意为用户只关心自己想要的数据，数据通过Topic进行标识，这样发布者根据主题发布数据，订阅者根据自己感兴趣的主题订阅数据。这便是DDS的核心，以数据为中心的发布-订阅模型DCPS（Data-Centric Publish-Subscribe） 如果是 ......
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 ......
Confidence First: Yale University's ideal of mind
“客观规律”、“科学”与“真理”无处不在， 只待“有缘人”. 艺术化形象化的通俗表达: “道物法术器具”遇到“有缘人”会通灵;-) Yale University's ideal of mind: First, Unconditional self-confidence, even when it' ......
Data Distribution Service（dds） 服务简单说明
在学习nannomq 的时候发现支持一个dds proxy 的功能，所以简单看了下dds 属于一个中间件协议主要是为了方便iot 应用集成，目前有几个很不错的开源实现OpenDDS，cycloneddsdds 包含了一个分层的架构设计如下图，可以方便的进行扩展 说明 目前来说dds 似乎在国内并不是 ......
vcpkg install polyclipping:x64-windows Could not locate a manifest (vcpkg.json) above the current working directory. This vcpkg distribution does not have a classic mode instance.
错误信息表明 vcpkg 在当前工作目录及其父目录中找不到 vcpkg.json 文件，因此无法确定要安装的库。 这可能是因为你执行 vcpkg install 命令的位置不在包含 vcpkg.json 文件的项目目录中。 以下是解决方法： 确保在包含 vcpkg.json 的项目目录中运行命令: ......
python安装pandas提示ERROR: No matching distribution found for pandas
安装pandas失败，提示： ERROR: No matching distribution found for pandas 解决办法： pip install pandas -i https://pypi.douban.com/simple 记着用https。 ......
TALLRec: An Effective and Efficient Tuning Framework to Align Large Language Model with Recommendation
目录概TallRec代码 Bao K., Zhang J., Zhang Y., Wang W., Feng F. and He X. TALLRec: An effective and efficient tuning framework to align large language model ......
App备案-iOS云管理式证书 Distribution Managed 公钥及证书SHA-1指纹的获取方法
根据近日工业和信息化部发布的《工业和信息化部关于开展移动互联网应用程序备案工作的通知》，相信不少要进行IOS平台App备案的朋友遇到了一个问题，就是apple不提供云管理式证书的下载，也就无法获取公钥及证书SHA-1指纹。 已经上架的应用不想重新打包发布的话。可以通过以下方法获取证书Cert ......
ModuleNotFoundError: No module named 'google_drive_downloader'&&No matching distribution found for google_drive_downloader
安装 googledrivedownloader (adaface) C:\Users\liruilong\Documents\GitHub\caface_demo\demo>python main.py --fusion_method cluster_and_aggregate Traceback ......
C++11 生成随机数：std::random_device、std::mt199937和std::uniform_int_distribution
1、std::random_device 用于生成随机数，定义在头文件中。 #include<iostream> #include<random> void fun() { std::random_device rd; std::cout<<"random:" << rd()<<std::endl; ......
[swin-trans]分布式训练的debug：ValueError: Error initializing torch.distributed using env:// rendezvous: en
在用torch.distributed.init_process_group(backend='nccl', init_method='env://', world_size=world_size, rank=rank)时，出现 1、ValueError: Error initializing to ......
distributed-programming-in-java
WEEK 1 1 MAP-REDUCE HADOOP K-V pair Spark Resilient distributed dataset Page Rank Rank(B) = sum (Rank(A) / DEST_COUNT(A)) Week2 Socket JVM_A -> JVM_B ......
Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time
目录概符号说明Pixie Eksombatchai C., Jindal P., Liu J. Z., Liu Y., Sharma R., Sugnet C., Ulrich M. and Leskovec J. Pixie: A system for recommending 3+ billio ......
! CocoaPods 1.10.0 out of date (1.11.0 is recommended).
[!] Xcode - develop for iOS and macOS (Xcode 14.2) ! CocoaPods 1.10.0 out of date (1.11.0 is recommended). CocoaPods is used to retrieve the iOS and m ......
论文阅读 Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection
原始题目：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 中文翻译：Generalized Focal Loss：学习用于密集目标检测的 Qual ......
[论文阅读] Exact Feature Distribution Matching for Arbitrary Style Transfer and Domain Generalization
Exact Feature Distribution Matching for Arbitrary Style Transfer and Domain Generalization 论文源码：https://github.com/YBZh/EFDM 1. Introduction 传统的特征分布匹配 ......