【摘 要】
：
近些年移动互联网的发展使得在线资源的类型和数量进一步增长,为用户带来便捷性的同时也带来了信息过载的问题。信息过载问题意味着用户难以从井喷式增长的资源项目中筛选出符合其兴趣偏好的项目。推荐系统是解决信息过载问题的手段之一且在众多手段中显得尤有成效。以往的推荐方法是利用用户所交互的项目集合或用户-项目评分矩阵来学习用户偏好的,这种推荐方法建立在用户兴趣是静态的,不随时间变化的假设上。然而在实际应用场景
论文部分内容阅读
近些年移动互联网的发展使得在线资源的类型和数量进一步增长,为用户带来便捷性的同时也带来了信息过载的问题。信息过载问题意味着用户难以从井喷式增长的资源项目中筛选出符合其兴趣偏好的项目。推荐系统是解决信息过载问题的手段之一且在众多手段中显得尤有成效。以往的推荐方法是利用用户所交互的项目集合或用户-项目评分矩阵来学习用户偏好的,这种推荐方法建立在用户兴趣是静态的,不随时间变化的假设上。然而在实际应用场景中,用户与项目间的交互行为是动态的,交互行为间存在时序依赖关系。序列推荐系统解决了这类问题。并且由于具有建模用户-项目历史交互序列中时序关联的优势,相比以往的推荐系统,能够更好地学习到用户偏好。因此被广泛地应用于各类互联网平台中。为了有效地建模存在着多种关系的用户-项目交互行为的序列,基于图神经网络的序列推荐模型将多关系的历史交互行为序列用于构成图结构形式的数据。这类模型通过利用图神经网络的局部项目特征提取能力,有效地提高了序列推荐模型的推荐能力,为序列推荐算法研究提供了新的思路。但是现有的基于图神经网络的序列推荐模型依旧存在着一些问题,具体表现在:第一,以往的模型利用长序列划分的短期会话构建图,忽略了会话间时序关系;第二,以往的模型缺乏有效地进行偏好学习和预测的模块,各个分层模块可解释性差;第三,忽略了多关系交互行为偏好间的关联;第四,缺乏对长序列全局特征的提取能力。对于这些问题,本文以基于图神经网络的序列推荐方法为主,利用注意力机制和深度神经网络进行了针对性的改进,具体工作和贡献如下:（1）针对以往模型忽略了会话间时序关系和缺乏有效地进行偏好学习和预测的模块的问题,结合注意力机制和深度神经网络提出了图神经网络序列推荐方法MGAD。首先将多关系的用户行为根据交互行为类型以及预测行为相关性的不同划分为目标行为和辅助行为。目标行为长序列和辅助行为长序列共同构成了多关系行为序列图。然后多关系的图神经网络、自注意力机制和深度神经网络通过结合构建成为MGAD模型,MGAD通过多关系的图神经网络学习交互行为长序列得到的项目表示避免了忽略会话间时序关系的问题,通过自注意力机制有效地学习到了偏好,通过深度神经网络得到了更加准确的预测结果,从而通过实验对比得到提高了26%的推荐性能的结论。（2）针对以往模型忽略了多关系交互行为偏好间的关联的问题,在前一项MGAD模型工作的基础上,结合混合注意力机制和深度神经网络提出了图神经网络序列推荐方法MRHA。通过目标交互行为和辅助交互行为间的关联程度学习注意力分数的方式,新的注意力机制可以从混合了多关系交互行为特征的项目表示中有效地学习到用户偏好,从而能在MGAD模型的基础上和较大规模以及交互行为划分明显的数据集的条件下,提高了7%的推荐性能。（3）针对图神经网络缺乏对交互行为长序列全局特征的提取能力问题,在第四章工作的基础上,基于全局和局部注意力机制提出了图神经网络序列推荐方法LGA。通过利用加权注意力机制对长序列全局的时序依赖关系特征的提取能力的优势,将用于学习全局的用户目标行为偏好的加权注意力机制与MRHA模型相结合。混合注意力和图神经网络的组合用于学习局部的目标和辅助行为偏好。LGA模型引入的加权注意力机制推荐结果提升了15%,解决了MRHA在小数据集上表现不佳的劣势。
其他文献
明显不当条款的设定,弥补了“滥用职权”在司法适用中的不足,有利于监督行政权力的行使,但是目前明显不当行政行为的司法审查还存在一些问题。今后,为了更好地规范“明显不当”的司法适用,我们有必要对其进行深入研究。本文在分析理论观点的基础上,聚焦实务领域,以实践为切入点指出了我国当前明显不当行政行为司法审查中存在的问题,并提出了相应的解决建议。首先梳理了行政裁量行为司法审查的历史沿革,对“明显不当”与“显
随着社会的不断发展,人们更加关注自我精神上的满足,并将自我人格、情感、尊严等融入自身财产之中,由此导致人格物精神损害赔偿的案件屡见不鲜。因我国涉及人格物纠纷的规制规则相对较少,致使法律实践中面临众多难题。本文针对这些问题作出了总结,同时从我国实际情况出发,提出了完善我国人格物精神损害赔偿制度的建议。本文分为五个部分进行论述:第一部分:本部分首先对人格物的概念和特征进行阐述,并简单对近似概念间的逻辑
近年来,国内外司法实践中生育权侵权案例层见叠出,引起了人们对生育权的热烈讨论。生育权问题引起的普遍关注,进一步证明了大众权利意识的提高。然而,关于生育权侵权的事实构成和法律救济等问题无论在理论界或实践领域,一直都没有明确界定,这引起较为激烈的争议。我国法院也对生育权的人格权地位呈现肯定趋势,但生育权在我国法律规范中没有系统的规定,《宪法》、《人口与计划生育法》和《妇女权益保障法》中只有一些简单规定
一人公司建立了多数成员集合以外的新型法人,迎合当前社会经济的发展趋势,在市场资本运作过程中较为灵活,但其是否可以从事关联担保活动,理论研究和司法实践均存在较大争议。为研究一人公司关联担保过程中存在的问题,首先,应从一人公司关联担保的类型、特征、原因等方面入手研究此类案件的基础理论;其次,通过分析一人公司关联担保效力认定中的五种学说以及多个司法实务案例,探究一人公司关联担保法律效力的认定标准:不应仅
在大数据、互联网等技术飞速发展的新时代下,人工智能将会是时代发展的重要助推力。人工智能正深刻的影响着司法领域的发展,使人工智能审判模式成为法院审理案件的常态。文章采用了文献研究法、比较分析法等研究方法,通过比较我国与国外发达国家的人工智能技术应用领域和发展趋势,为我国人工智能辅助审判研究提供了方向。针对人工智能审判技术缺少明确的立法指引、对司法人员造成的冲击、缺乏辅助保障制度等问题,文章从立法、司
数字化技术引致人类社会划时代的变革及人的理性行为选择方式质的飞跃，由此形成了新的生产要素、新的资源配置方式、新的产业组织形式等，并驱动了经济的微观基础发生根本性变革。数字平台厂商（DPM）是这种根本性变革的主要载体，其竞争与垄断方式也出现根本性变化。DPM的本质特征是网络效应，DPM之间的竞争本质上就是策展机制的竞争。策展机制是指通过数字化智能技术进行有效的内外治理，拓展与深化积极网络效应，减少消
目前,人工智能已被应用到生活中的众多领域,在给我们带来便利的同时,由其引发的法律问题也逐渐突显出来。在我们的现实生活中已经发生了因人工智能的介入引发的刑事犯罪案件,并且产生了危害人身安全和社会发展的现实风险,给刑法理论和刑事立法都带来了新的挑战。关于涉人工智能犯罪刑事责任问题的争议一直不断,目前还没有形成一致的观点,这将在一定程度上影响对涉人工智能犯罪案件刑事责任的认定和分配。所谓涉人工智能犯罪,
随着图卷积神经网络（Graph Convolutional Neural Networks,GCN）的不断发展,基于图卷积神经网络的推荐算法越来越引起学术界与工业界的关注,pinterest等热门应用都采用了GCN来增强它们的推荐性能。本文主要研究如何借助图卷积神经网络对传统的推荐算法进行推荐性能改进,包括如下的三个子问题。首先是在一个群体与一个社区内节点独特性的学习问题。针对这一问题,提出了基于
新型冠状病毒感染席卷全球的大背景下，首届济南国际双年展在山东美术馆顺利开幕。本届展览提出的“和动力”主题，是儒家文化积极接受、吸收、融合进步文艺潮流而获得成功的典型案例。这对当下各国艺术策展模式具有一定的启发、借鉴和示范作用。文章围绕济南的城市文化特征、双年展的策展模式演变和艺术展演的社会效应三个方面对济南国际双年展进行考察与分析。
随着市场经济的不断发展,越来越多的企业试图通过融资实现自身的发展和壮大。同资本方签订对赌协议作为一种新兴融资方式,深受商主体的青睐。蒙牛乳业与摩根史丹利的对赌协议作为我国最早的对赌协议,成功吸引众多企业效仿。伴随着“对赌热”的产生,我国理论界和实务界注意到关于对赌协议的相关问题。从“海富案”的尘埃落定到2019年最高法“九民纪要”的发布,我国对于对赌协议的态度逐渐从承认对赌协议的效力到承认对赌协议