- Introduction
- providing insights for the understanding of how negative experiences affect users’ behaviors and satisfaction, which is less studied in previous work
1 min read
Introduction data (노출이 발생한 아이템) 정보는 유저들의 negative preference 에 대한 정보를 담고있지만 활용하기는 쉽지 않은데, 다음과 같은 이유가 있기 때문이다. 불완전성 노출된 아이템들은 일반적으로 추천 로직에 의해 선택된다.
Abstract NLP 에서 dual encoder 로 불리는 two-tower 신경망 framework 를 어떻게 추천 시스템에 적용할 수 있는지 보임 추가로, Mixed Negative Sampling (MNS) 이라는 negative sampling 전략을 제안 일반적인 batch 또는 unigram...
Abstract 온라인 추천 시스템을 지원하기 위해 3 차원 텐서 분해 기법을 사용하고, 고차원 folding-in 방법을 구현합니다.
Practical Lessons for Job Recommendations in the Cold-Start Scenario paper link Related References.
Abstract SBRS 에서 Next-basket 추천 (NBR) 을 위해 제안된 논문이다. RNN 모델이 sequential modeling 에 효과적이지만 추천 시나리오에서 item frequency 정보를 직접적으로 잡아낼 수 없다는 문제가 있다고 주장한다.
When Relevance is not Enough - Promoting Diversity and Freshness in Personalized Question Recommendation Paper link...
Online Learning to Rank for Information Retrieval Related References slide: staff.fnwi.uva.nl/m.derijke/wp-content/uploads/sigir2016-tutorial.pdf .
Joint User-Entity Representation Learning for Event Recommendation in Social Network Paper link Abstract 사용자와 이벤트를 동일한 latent space 에 project 하기 위해 a joint representation...
An Empirical Study on Recommendation with Multiple Types of Feedback 이 논문에서는 generalized linear model (GLM) 기반의 추천을 중심으로 전개하고, linear model 에서 사용할 feature 는 MF 와 같은 CF 모델에서 가져온다.
Personalizing Software and Web Services by Integrating Unstructured Application Usage Traces Tags paper review, implicit feedback, Recommendation System, WWW 17 paper link...