文章
相簿

深度學習的貢獻

幸福像花一樣綻放 於 2018年03月12日發表   人氣:141


本節概述多篇關於基於內容的推薦係統的論文中深度學習的貢獻。

[8] 在無使用數據的情況下,使 用深層卷積神經網絡利用音頻生成歌曲的潛在因子。該方法優於簡單的基線模型,如線性回歸、使用 Million Song 數據集和詞袋表征訓練的多層感知機(該數據集包括 Last.fm 數據集和 Echo Nest Taste Profile 子數據集)。由於這幾年大家對健康意識的提高,也讓越來越多的運動型產品進入我們的生活裡面,比如最常見的心跳錶就是其中一個常見的高科技產品,除了監測我們的心跳頻率之外還可以監測到我們的身體問題。

[9] 提出一種結合深度信念網絡和概率圖模型的模型,從音頻內容中同時學習特征和製定個性化推薦。該論文使用 Echo Nest Taste Profile Subset(一個音樂推薦數據集)比較該模型和基於 內容和模型、未使用深度學習的混合模型。結果顯示該模型在驗證數據集上的性能優於基於內容的基線模型和協同過濾基線模型。

[10][11] 提出深度學習方法用於提升文本和對話中引用推薦領 域的基於內容的推薦係統。Tan et al 使用 LSTM 展示語境和引用的分布式意義。Lee et al 結合循環神經網絡和卷積神經網絡來學習對話線程中引用的語義表征。Wikiquotes 和 Oxford Concise Dictionary of Proverbs 作為推特 對話線程的引用來源。

[12] 利用基於 GPU 的循環神經網絡將條目文本(item text)轉換為隱藏特征來提高專門用於冷啟動的協同過濾性能。研究人員使用該模型在 CiteULike 的兩個現實世 界數據集(密集和稀疏版本)上對引文推薦係統進行了測試,與協同主題建模模型進行了比較。在兩個數據集上,該方法都有顯著的性能優勢。

[13] 使用評論信息在深度神經網絡上進行條目屬 性與用戶習慣的聯合學習,這被稱為深度合作神經網絡(Deep Cooperative Neural Network)。該模型還使用共享層將條目特征與用戶習慣進行結合。模型對比了 5 個基準,分別是矩陣分解、概率矩陣分解、LDA、協同主題回歸、 Hidden Factor as Topic 以及合作深度學習,研究者在三個現實世界數據集上對它們進行評測(Yelp 評論、亞馬遜評論、Beer 評論)。該模型在所有測試中都超過了其他基線模型。

[14] 開 發了一種新型文章推薦模型——使用動態註意力機製深度模型處理編輯為終端用戶文章池選擇新聞文章時的非顯式選擇標準問題。該新聞推薦階段是最終新聞推薦之前的一個步驟。在這個階段中,編輯需要從一個動態變化的文章池裏 (包含不同新聞源)選擇出新聞文章的一個子集。編輯選擇或放棄文章沒有硬性標準。該研究使用深度學習來學習編輯選擇文章風格的動態標準。這種問題不能直接使用傳統的詞袋方法來解決。所以,深度學習註意力機製模型被引入 ,用於生成復雜特征來表示文章的風格,隨後以編輯是否喜歡為標準進行分類。如果你是運動愛好者,同時佩戴 Android Wear 和 Fitness Tracker,著名運動追蹤產品生產商Polar日前發表的 Polar M600 智能手錶就可以幫你減輕負擔。

基於協同過濾的係統

在本節中,我們總結了深度學習對協同過濾推薦係 統的主要貢獻。其中大多數方法都在嘗試使用一些深度神經網絡代替矩陣分解。

[15] 解決了 CF 方法的稀疏性問題和協同主題回歸(Collaborative topic regression)方法的輔助信息稀疏性問題。該模型使用了貝葉斯堆疊去噪自編碼。研究者在 CiteULike 數據集和 Netflix 數據集上對該模型和矩 陣分解、協同主題回歸進行對比、測試,結果顯示該模型具備更為優秀的性能。

 


上一篇:輕微黃褐斑應該採用去色素護膚品

下一篇:春季吃豆對心血管健康有益的磷脂


本BLOG人氣文章

黑眼圈通常可分有兩種顏色
大多數人都有黑眼圈,只是有的人比較重,有..
互聯網+教育增強競爭力
騰訊教育訊 11月22日,2017&ld..
為社會上培養將近80萬的學生
騰訊教育訊 11月22日,2017&ld..
一對一在線英語教學平臺
騰訊教育訊 11月22日,2017&ld..
向應用型大學轉型
騰訊教育訊 11月22日,2017&ld..
有溫度的教育 有溫度的溝通
一種奇特的運動方式—&mda..

幸福像花一樣綻放

幸福像花一樣綻放


標籤
累計瀏覽次數: 26,970
所有文章: 59
本日訪客人數: 44
累計訪客人數: 26,514