前言 许多 AI 助手没有像我们想象的那样使用太多机器学习。 虽然将机器学习应用于 NLU 是一种常见的做法，但是在对话管理方面，许多开发人员仍然会回溯到规则和状态机。 在正...
IP属地：江苏
-
9. TED Policy in Rasa -
CRS(6)阅读笔记：WWW2022-Multi-Choice Questions based Multi-Interest Policy Learning for Conversational...最新被WWW2022接收的CRS研究工作。 该工作在基本的CRS框架上，提出多项选择的形式代替常见的二元(Yes/No)交互，并考虑用户潜在兴趣的多样性。 相关资料：http...
-
IEEE latex 文件提交时，提示This document has 1 type 3 font occurring
一种是正文公式可能含有不被允许的符号 分析原因： 出现这种情况，是因为IEEE的pdf审查不允许出现type 3类型的字体，其实我们用latex写的文档，现在已经很少用到ty...
-
序列推荐(3): Session-aware Linear Item-Item Models for Session-based Recommendationwww2021 摘要 基于会话的推荐旨在根据会话中历史物品的序列预测下一个物品，例如电子商务或多媒体流服务。 具体来说，会话数据表现出一些独特的特征，即会话内物品的会话一致性...
-
序列推荐: Learning Reinforced Dynamic Representations for Sequential Recommendation Weiqipaper链接：https://arxiv.org/pdf/2112.02787.pdf[https://arxiv.org/pdf/2112.02787.pdf] 类似工作...
-
基于图的推荐算法(7)：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
前言 SIGIR2020 针对基于GCN进行CF的算法研究，对GCN提出组件简化算法，是对NGCF算法的针对性改进(NGCF见上一篇博客) 来自何向南团队 摘要 GCN在推荐...
-
Unified Conversational Recommendation Policy Learning via Graph-based Reinforcement Learning以下内容纯属个人见解，欢迎大家交流。发布于2021 SIGIR 1 motivation 1.1 问题 CRS中三个决策问题：询问哪些属性、推荐哪些项目以及何时询问或推荐。现...
-
推荐系统遇上深度学习(九十四)-[华为]一种实用的增量式深度CTR模型训练方法今天给大家介绍一篇有关深度CTR模型增量训练的文章，来自华为诺亚方舟实验室。 1、背景 深度CTR模型需要大量的数据进行训练，同时需要不断的更新以适应最新的数据分布。如果模型...
-
推荐系统遇上深度学习(一一一)-双重样本感知的DIFM模型上一篇中，我们介绍了样本感知的FM模型，也就是IFM模型。而本文将介绍其改进版本，称为Dual Input-aware Factorization Machine（DIFM）...
