动态图建模对于理解网络图中的复杂结构、社交网络、推荐系统等应用程序至关重要。大多数现有方法主要强调结构依赖性及其时间变化。然而,这些方法经常忽略详细的时间方面或与长期依赖性作斗争 ...
随着社交媒体的普及,越来越多的用户在日常生活中搜索并加入团体活动。这就需要研究群体识别(GI)任务,即 ...
扩散模型以其强大的表达能力和高样本质量,在生成领域取得了最先进的(SOTA)性能。开创性的 Vision Transformer (ViT) 还展示了强大的建模能力和可扩展性,特别是对于识别任务。在本文中,我们研究了 ViT 在基于扩散的生成学习中的有效性,并提出了一种称为扩散视觉变换器(DiffiT)的新模型 ...
冷启动问题是推荐系统中长期存在的挑战。作为一种有前途的解决方案,基于内容的生成模型通常将冷启动项目的内容投影到热启动项目嵌入上,以捕获项目内容中的协作信号,以便可以应用协作过滤。然而,由于冷启动推荐模型的训练是在温数据集上进行的,现有的方法面临着项目的协作嵌入模糊的问题,这会显着降低冷启动项目推荐的性能 ...
在这项工作中,我们提出了最先进的神经协同过滤(NCF)项目推荐方法的联合版本。该系统名为 FedNCF,无需用户披露或传输其原始数据即可进行学习。数据本地化可保护数据隐私并遵守 GDPR 等法规 ...
Etsy 是一个全球市场,世界各地的人们在这里相互联系,制造、购买和销售独特的商品。 Etsy 的卖家可以通过类似于传统赞助搜索广告的广告活动来宣传他们的产品清单。点击率 (CTR) 预测是在线搜索广告系统的一个组成部分,它被用作拍卖的输入,拍卖确定针对每个查询向特定用户推荐的列表的最终排名 ...
协同过滤(CF)是许多推荐系统常用的成功方法。传统的基于 CF 的方法使用用户对项目的评分作为学习推荐的唯一信息来源。然而,在许多应用中,评级通常非常稀疏,导致基于 CF 的方法的推荐性能显着下降 ...
蛋白质设计的一种流行方法是将生成模型与条件采样的判别模型相结合。生成模型对合理的序列进行采样,而判别模型则指导搜索具有高适应度的序列。鉴于其在条件采样方面的广泛成功,分类器引导的扩散模型是蛋白质设计的一个有希望的基础,导致许多人开发用于具有反向折叠的结构的引导扩散模型以恢复序列 ...