[WWW 2019] A Hierarchical Attention Retrieval Model for Healthcare Question Answering
- 医疗场景的问答
- 其实就是文档检索排序，只不过做了多个级别的Attention
-
构建了新的数据集来验证方法
模型结构图
[WWW 2019] Cross-domain Recommendation Without Sharing User-relevant Data
- cross-domain推荐，但是传统的cross-domain都是共享用户的历史行为数据的，而有些时候这些数据是很敏感很隐私的
- 本文提出只共享item Embedding的方法，避免了敏感数据的泄露
-
首先在辅助domain里面预训练item Embedding，然后迁移到target domain里面用
模型结构图
[WWW 2019] GhostLink Latent Network Inference for Influence-aware Recommendation
- 用户对某个物品的打分会受到社交网络中别的用户的影响
-
本文用无监督的概率图模型来自动学习latent influence，通过用户post和content，然后用来提高推荐系统的效果
概率图模型结构
[WWW 2019] Graph Neural Networks for Social Recommendation
- GNN做推荐系统
- 有user-user图和user-item图
-
分别在图上做Attention
模型结构图
[WWW 2019] Hierarchical Temporal Convolutional Networks for Dynamic Recommender Systems
- 序列推荐， 预测下一个item
-
预测每一个时刻的user表示，用来推荐item
模型结构图
[WWW 2019] Learning Novelty-Aware Ranking of Answers to Complex Questions
- 这里的novelty其实就是diversity的意思
- 考虑到答案的相关性和多样性
-
PairWise的建模
模型结构图
[WWW 2019] Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation
- 多任务特征学习
- 加入item的知识图谱（head-ralation-tail）做推荐系统
- user和item一起预测打分，head和relation一起预测tail
-
item和head做个Cross&compress，如图：
Cross&compress unit
模型结构图
