发表于ICDE 2023,由文章第一作者北京大学计算机学院18级博士生谢旭(指导教师崔斌教授)做口头报告,合作作者包括牛瑾(阿里)、邓丽芳(阿里)、王丹(阿里)、张建东(阿里)、吴志华(Lazada)、边凯归副教授、曹刚(智源)、崔斌教授。
ICDE2023 | DGNN: 基于解耦图神经网络的社会化推荐系统 TLDR:本文提出了一种解耦图神经网络DGNN,对社交推荐进行异构的解耦表征学习。通过引入商品间关系,进一步扩展了协同过滤框架所利用的数据信息。为了对异构关系数据进行解耦表征学习,建立了一种针对不同节点、不同边类别的记忆扩展网络,以针对不同类型的节点和边进行...
第39届IEEE数据工程国际会议(ICDE2023)已于4月3日到7日在美国加利福尼亚州召开。本届ICDE共接收论文228篇,录用率在25%左右。本文总结了ICDE 2023上关于推荐系统的相关工作。目前这些工作都可以找到原始链接,因此大家可以阅读原始论文。如有疏漏,欢迎大家补充。 我们整理了18篇推荐系统相关论文,发现了一些比较有意思...
[ICDE2023] Self-supervised Trajectory Representation Learning with Temporal Regularities and Travel Semantics 这篇论文的核心内容是关于一种新型的自监督轨迹表示学习框架(Self-supervised Trajectory Representation Learning framework),简称为START。该框架旨在通过结合时间规律(Temporal Regularities)和出行语义(Travel Seman...
ICDE 2023 | 探索并行过滤图,革新层次聚类算法 机器学习中的无监督学习方法现在已经被广泛运用,特别是聚类算法被广泛运用于经济、生物以及机器视觉等多种领域之中。而聚类算法中也包含许多方向,如基于密度聚类,基于划分聚类以及基于度量聚类。传统的基于度量聚类在一个包含n个数据点的数据集上运行的时候,往往需要Θ(n2...
热烈祝贺我校计算机学院数据库研究团队撰写的论文“Finding Top-k Optimal Routes with Collective Spatial Keywords on Road Networks”被国际数据库顶级会议ICDE 2023长文录用。论文第一作者为团队核心成员李佳佳副教授,第二作者为学校计算机学...
本文详细阐述了美团到店餐饮业务中多场景多任务学习的解决方案,基于该方案形成的学术论文《HiNet: Novel Multi-Scenario & Multi-Task Learning with Hierarchical Information Extraction》已经被国际数据工程会议ICDE 2023收录。 1. 背景 随着网络信息和服务的爆炸式增长,推荐系统已经成为为用户提供高质量个性化决策建议和...
集微网消息，近日，ICDE 2023（IEEE International Conference on Data Engineering）在美国召开，上海交通大学电子信息与电气工程学院计算机系数据驱动软件技术实验室成员凭借“多兴趣序列推荐的增量学习研究”获得本次大会唯一的最佳论文奖。图源：上海交大电院 获奖的论文题目为“面向多兴趣序列推荐的增量学习”，该论文...
提出了一个新的估计方法(结合了ACM里用到的决策树),之前最好的是蒙特卡洛(都2023年了,怎么还能是这么普通的估计方式?!)。并且给出了这个估计方式的近似保证,很简单的chernoff-bound的证明。 提出了两个框架: 1.普通的贪心框架。 2.一个新的置换框架 ...
简介:ICDE 2023 | DCMT:基于因果纠偏的直接全空间多任务转化率预测模型 1 简介 本文给大家介绍一下蚂蚁集团(机器智能-人机结合团队、搜索算法团队)、浙江大学、麦考瑞大学合作的被ICDE2023接收的基于因果纠偏的直接全空间多任务转化率预测模型 《DCMT: A Direct Entire-Space Causal Multi-Task Framework for Post-Cli...