GitHub is where people build software. More than 100 million people use GitHub to discover, fork, and contribute to over 420 million projects.
论文标题:Representation Learning with Contrastive Predictive Coding 论文链接:https://arxiv.org/abs/1807.03748 代码链接:https://github.com/davidtellez/contrastive-predictive-coding 很多时候,很多数据维度高、label相对少,我们并不希望浪费掉没有label的那部分data。所以在label少的时候,可以利用无监督学习帮助我们...
论文标题:LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation 论文来源:ICLR’23 论文链接:https://arxiv.org/abs/2302.08191 代码链接:https://github.com/HKUDS/LightGCL 2.1 LightGCL核心思想 对比学习在提升图推荐系统的效果上作用十分明显,但综合来看还有以下不足: 基于随机过程的图数...
Current NLP models heavily rely on effective representation learning algorithms. Contrastive learning is one such technique to learn an embedding space such that similar data sample pairs have close representations while dissimilar samples stay far apart from each other. It can be used in supervised or...
论文标题:Group-wise Contrastive Learning for Neural Dialogue Generation 论文链接:aclweb.org/anthology/20 代码地址:github.com/hengyicai/Co 本文将对比学习引入对话生成,模型明确感知积极和消极话语之间的差异。 在对比学习过程中,训练目标对话模型,仍然满足这样一条主...
今天我们来聊一聊推荐系统中不得不学的Contrastive Learning方法,近年来Contrastive Learning在CV和NLP领域的应用越来越广泛,在推荐系统中当然也不例外。我想大家将对比学习与推荐系统结合主要有以下四个原因: 一、是因为数据的稀疏性。众所周知,在推荐系统中有点击的数据是非常少的,可能系统推荐了十篇文章,用户只点击...
论文标题:Representation Learning with Contrastive Predictive Coding 论文链接:https://arxiv.org/abs/1807.03748 代码链接:https://github.com/davidtellez/contrastive-predictive-coding 很多时候,很多数据维度高、label相对少,我们并不希望浪费掉没有label的那部分data。所以在label少的时候,可以利用无监督学习帮助我们...
https://github.com/coder-duibai/Contrastive-Learning-Papers-Codes (请大家多多点赞支持ヽ(✿ﾟ▽ﾟ)ノ,笔芯!) 大家好,我是对白。 由于最近对比学习实在太火了,在ICLR2020上深度学习三巨头 Bengio 、 LeCun和Hinton就一致认定自监督学习(Self-Supervised Learning)是AI的未来,此外,在各大互联网公司中的业...
今天我们来聊一聊推荐系统中不得不学的Contrastive Learning方法,近年来Contrastive Learning在CV和NLP领域的应用越来越广泛,在推荐系统中当然也不例外。我想大家将对比学习与推荐系统结合主要有以下四个原因: 一、是因为数据的稀疏性。众所周知,在推荐系统中有点击的数据是非常少的,可能系统推荐了十篇文章,用户只点击...
https://github.com/asheeshcric/awesome-contrastive-self-supervised-learning [6] 张俊林:对比学习(Contrastive Learning):研究进展精要: https://zhuanlan.zhihu.com/p/367290573 技术交流群邀请函