【摘 要】
：
在21世纪这个信息量急速增长的时代,如何快速高效地传达和抓取有效信息是困扰人们的难题之一。为了解决这个问题,相关研究者提出了推荐系统这一概念。推荐系统能够根据可观察到的数据学习用户和项目的特征,不仅为用户提供他可能感兴趣的项目,也为项目找到了合适的用户,是一种解决信息过载问题的双赢系统。得益于深度学习算法在推荐系统领域的快速发展,研究人员将数据映射到模型内部,直接由计算机学习数据特征,避免了繁琐的
论文部分内容阅读
在21世纪这个信息量急速增长的时代,如何快速高效地传达和抓取有效信息是困扰人们的难题之一。为了解决这个问题,相关研究者提出了推荐系统这一概念。推荐系统能够根据可观察到的数据学习用户和项目的特征,不仅为用户提供他可能感兴趣的项目,也为项目找到了合适的用户,是一种解决信息过载问题的双赢系统。得益于深度学习算法在推荐系统领域的快速发展,研究人员将数据映射到模型内部,直接由计算机学习数据特征,避免了繁琐的特征工程学习任务。目前主流的深度学习算法有图神经网络和注意力机制等。另外,推荐系统大多将用户-项目交互信息作为学习用户偏好的重要数据来源,但模型可用的交互数据非常稀疏,因此,使用辅助信息缓解数据稀疏性是解决问题的一个方向。本文提出的基于图注意力网络的社交推荐系统GATSo Rec综合了上述提到的方法,它的主要贡献如下:1.添加用户的社交信息作为辅助信息以缓解用户-项目交互信息的稀疏性,并使用用户的隐式好友扩充已有的社交关系,为模型提供更多可学习的数据。2.将用户-项目交互和用户-用户社交关系数据转换为图数据的形式,使用图神经网络学习用户和项目的潜在因素,并利用多头自注意力机制限制图神经网络为模型所需的数据特征分配更高的权重。3.在两个真实世界数据集Ciao和Epinions上的实验结果表明,GATSo Rec比其他基线模型的性能更好,消融实验也证实了多头自注意力机制和扩充已有的社交关系的确对提高推荐系统性能有所帮助。
其他文献
近年来,随着人工智能技术的不断突破与互联网技术的飞速发展,使越来越多的用户利用互联网技术进行在线学习,同时新冠疫情的爆发也促使在线教育平台拥有了更多的用户。在线教育平台使高质量的教育资源得以普及,尽管越来越多的教育家提倡个性化教育,但当前的教育模式仍由班级教学为主导。用户可以利用学习资源在老师和同学帮助下获取知识,群组推荐正适用于此类需求。尽管在线学习平台为学生带来了学习方式上的便利,但如何有效的
透明可拉伸多功能传感阵列在弯曲、拉伸等动态应变下可以感知多种刺激,发挥应变、压力和接近等传感功能,在透明智能电子皮肤、人机交互、智能机器人和假肢等领域展现出重要的应用前景。目前,由于材料性质和器件结构的限制,想实现透明可拉伸的多功能传感器面临如下挑战:1.需要传感器所有组件的材料（电极,敏感材料,封装材料等）都是透明且可拉伸的;2.需要区分不同功能的信号,以实现应变下传感的精确探测。针对以上问题,
三维人体姿态估计是计算机视觉领域的热门研究问题之一,其在人机交互、动画制作、视频监控等方面有着非常广阔的应用前景。本文主要研究面向自然场景的三维人体姿态估计问题,即对单视角自然场景图像计算其中目标人体各关节的三维坐标,从而恢复人体的三维姿态。目前对该问题的研究存在两大难点:第一,从单视角二维图像恢复三维人体姿态存在不准确性。单视角图像损失了大量的深度信息,使得从二维到三维的变换存在高度非线性;第二
近年来,随着移动网络和智能设备的发展,物联网得到了迅猛发展,日益增多的基于物联网的智能应用不断出现,高度互联的智能设备以及其产生的大量的交易数据引发了安全和隐私的关注。区块链作为新型分布式计算框架,具有去中心化,不可篡改,可追溯等特性,正在被广泛地应用于金融、电子取证、商品溯源等各种领域,在物联网领域区块链的应用刚刚开始。但是目前已有的包括比特币、以太坊、超级账本等在内的区块链平台计算开销大,这种
随着计算机视觉领域的快速发展,许多研究人员的关注焦点聚集于人体动作识别方向。该研究方向多运用视频分析的方法对人体动作进行识别,然而人体动作间灵活性高、差异性小,运用视频分析对人体动作类别进行准确识别仍面临诸多困难。随着视频获取设备的日益成熟,运动中的人体骨架信息越来越易于获取,且人体骨架信息对于光照、场地、遮挡等问题均具有一定的鲁棒性,因此基于视频的人体动作识别逐渐转为基于骨架的人体动作识别。人体
肺癌作为全球发病率、死亡率均位居前列的疾病,严重危害人类的健康,尽早发现与治疗是降低肺癌死亡率的重要手段。肺结节是肺癌的早期存在形态,及时诊断肺结节是提高肺癌患者治愈率的关键。CT技术是目前临床医学中应用最为广泛的诊疗手段,但CT诊疗产生的数据以指数倍形式迅速增长。因此,医生人工观察CT图像进行疾病诊断需要巨大的工作量,效率较低,且诊断结果通常带有较强的主观性。为提高医生的诊断效率、减少医生的工作
显著性检测是指从图片中找到最“引人注意”的一个或若干个物体的过程,其本质上是一种心理学过程的计算机重现。深度卷积神经网络技术在当前图形图像各领域的应用中展现了不可思议的能力,在显著性检测领域也不例外。目前,最先进的方法都是基于深度卷积神经网络技术研发的。这其中,Lee等人提出的ELD（Encoded Low Level Distance）算法将底层特征和高层特征统一编码,统一训练,是一种非常值得借
三维人体姿态估计是计算机视觉领域中的热门课题。三维人体姿态估计可以作为人体姿态识别、人体跟踪、行为识别等任务的基础,同时在高级人机交互,智能监控等领域拥有广泛的应用前景。由于从单目图像预测三维空间信息是十分困难的,并且姿态图像存在着遮挡和视差等问题,使其非常具有挑战性。随着深度学习在多领域的成功应用,具有强大学习能力的深度神经网络也逐渐成为三维人体姿态估计任务的最佳选择。本文将基于深度学习,采用分
近年来,随着定位、跟踪技术的快速发展,诸如GPS等位置感知设备得到了广泛的应用,使得车辆、人们的移动轨迹能够被精确地记录,通过对轨迹数据的有效分析可以了解一个城市的交通状况及城市中人群的移动规律,对于城市管理者的决策具有重要意义。然而,由于轨迹数据具有时空特性,并且通常数据规模很大。因此,如何有效地发挥轨迹时空连续性,探索数据中隐藏的时空规律是一项巨大的挑战。本文基于成都市出租车真实轨迹数据,研究
随着智能化设备的不断革新,很多产业的落地都需要海量的视频信息作为基础。视频信息相较于普通图像而言隐藏着巨大的价值。动态性、可持续性以及关联性都是视频所独有的特点,基于这些特性对视频数据进行挖掘将会收获极大的价值。对视频的行为识别研究是计算机视觉与模式识别领域的重要研究课题,行为识别不但具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生活产生很大的影响。行为识别主要应用领域包括远程识别、