【摘 要】
：
在推荐系统领域,了解电商平台中在线用户的行为意图至关重要。目前的一些方法通常将用户与商品之间的交互历史数据视为有序的序列,却忽视了不同交互行为之间的时间间隔信息。另外,一个用户的在线行为可能不仅仅包含一种意图,而是包含多种意图。例如,当一位用户在浏览运动品类下的商品时,其可能同时有购买足球和运动衫这两种商品的意图。但是现有的一些电商平台用户意图预测方法很难有效对用户-商品交互对时间间隔信息进行建模,也难以捕捉用户多方面的购物意图。为了解决上述问题,我们提出了一种时间感知分层自注意力网络模型THSNet,以
【机 构】
：
中南大学计算机学院,南京航空航天大学计算机科学与技术学院
【基金项目】
：
中央高校基本科研业务经费“人工智能+”专项(No.NZ2020014),广东省自然科学基金(No.2021A1515012239)资助。
论文部分内容阅读
在推荐系统领域,了解电商平台中在线用户的行为意图至关重要。目前的一些方法通常将用户与商品之间的交互历史数据视为有序的序列,却忽视了不同交互行为之间的时间间隔信息。另外,一个用户的在线行为可能不仅仅包含一种意图,而是包含多种意图。例如,当一位用户在浏览运动品类下的商品时,其可能同时有购买足球和运动衫这两种商品的意图。但是现有的一些电商平台用户意图预测方法很难有效对用户-商品交互对时间间隔信息进行建模,也难以捕捉用户多方面的购物意图。为了解决上述问题,我们提出了一种时间感知分层自注意力网络模型THSNet,以
其他文献
煤化学链气化制合成气是一种资源利用率高、环境污染低、节能环保的新型气化技术,而高效载氧体的设计开发是化学链气化技术的关键.本文以铜矿石和赤泥为原料采用挤出滚圆法制备R-Cu-10M(蒙脱石质量分数为10％)复合金属载氧体,实现载氧体颗粒内粉末的物理均匀混合、颗粒一次成型以及活性组分间的协同效应.围绕反应温度、氧煤比、水蒸气输入量三个关键操作变量,测试了R-Cu-10M载氧体与褐煤气化反应特性.表征结果表明,R-Cu-10M载氧体具有较好的还原性,赤泥与铜矿石中Cu-Fe金属间的协同效应有助于晶格氧释放以及
直接在铜基底上生长具有不同金属离子的多孔过渡金属氧化物,成为有前途的锂离子电池电极材料的候选.本文提出了一种简便可行的低温水热沉积方法在铜基底上制备前驱物阵列.前驱物经过煅烧处理得到具有多孔特性Co3V2O8纳米片阵列,多孔纳米片阵列用作锂离子电池负极材料显示出了长期循环稳定性和高倍率性能.在1.0 A/g电流密度下,电池经过240次循环后显示出1010 mA·h/g的容量;在3.0 A/g的电流密度下,电池循环600次后显示出552 mA·h/g的可逆容量.
以地热井筒流动和碳酸钙结垢过程为研究对象,建立了地热流体从井底到井口流动过程中的质量、能量以及压降数学模型并进行了求解.通过数学模型计算了质量流量和井口压力对应的关系;模拟分析了温度、压力、干度和CO2分压沿井筒不同位置的变化情况;总结了井口干度、温度、压力和CO2分压随热储压力、温度、流量、CO2含量以及井壁粗糙度的变化规律;分析了结垢位置、结垢厚度以及结垢延续长度对井口压力的影响.结果表明,通过数学模型可以对井筒内的流动进行模拟,确定不同截面上的参数变化情况,并可进一步推导热储的特性变化情况.
提出一种立式降膜闭式冷却塔的设计计算方法,按照此方法使用Visual Basic 6.0开发工具设计计算程序,并对程序流程进行详细说明.结果显示,该计算程序适用于立式扭曲管中不同工艺流体(冷却水、喷淋水和空气)进行换热的各种工况.通过对比程序计算和手工计算结果,发现二者吻合程度较好,因此通过计算程序能够提高开发人员的设计效率和准确性,减少迭代计算工作量,方便对不同设计方案结果进行比较.后续可以衍生出针对各种发生相变过程(制冷剂、水蒸气冷凝等)的热力计算.
推荐系统在帮助用户从海量数据中发现自己感兴趣的信息时能起到重要作用。近些年来,深度学习在计算机视觉等诸多领域卓有成效,吸引了越来越多推荐系统领域学者的关注。推荐系统结合图神经网络等深度学习方法取得了令人瞩目的效果。然而,现存的许多方法主要关注在如何用深度学习模型来设计推荐系统的架构,却少有工作关注推荐系统的优化框架,尤其是从优化框架方面提升推荐系统的训练效率。因此随着模型的日益复杂,训练模型的时间代价也越来越大。本工作中,我们试图从优化框架方面提升大规模图推荐模型的训练效率。推荐系统中最主流的模型优化框架
推荐系统旨在为用户提供个性化匹配服务,从而有效缓解大数据时代的信息过载问题,并且改善用户体验,增加用户粘性,极大地促进了电子商务等领域的发展。然而,在实际应用场景中,由于数据稀疏和冷启动问题的存在,推荐系统往往难以得到精准的推荐结果;而复杂的模型设计也导致推荐系统的可解释性不尽如人意。因此,如何充分利用交互、属性、以及各种辅助信息提升推荐的性能和可解释性是推荐系统的核心问题。另一方面,异质信息网络作为一种全面地建模复杂系统中丰富的结构和语义信息的方法,在融合多源信息、捕捉结构语义等方面具有显著优势,已经被
随着AI、5G、AR/VR等新技术的快速发展,内容类应用如电子商务、社交网络、短视频等层出不穷,导致信息过载问题日益严重。人工智能技术的发展推动了智能算法的爆炸式运用,作为智能算法的一种,推荐算法在大数据、应用场景和计算力的推动下,通过信息过滤技术,为用户提供适应兴趣及行为的个性化及高质量的推荐服务,逐步提高了用户的使用体验、内容分发效率,在一定程度上缓解了信息过载的问题。但推荐算法的潜在偏见、黑盒化特性及内容分发方式也逐渐带来了决策结果不公平性、不可解释性,信息茧房、侵犯用户隐私等安全挑战。如何提高推荐
加氢站(HRS)是氢能高效利用的重要环节,是促进燃料电池汽车行业发展的重要基础设施.本文介绍了外供氢加氢站一般系统流程及配置方法;整理了国内外关于系统流程的优化措施,其中包括常规系统的部件(如长管拖车、站侧储罐配置及预冷系统)的配置优化,以及非常规部件的新型系统(如喷射器、涡流管或膨胀机)的集成;最后对未来优化方向进行了展望.
一元反馈建模在推荐系统中的应用非常广泛,例如点击预测和购买预测等。然而,推荐系统作为一个闭环的反馈系统,在用户与系统的交互过程中可能存在着多种偏置问题,例如位置偏置、流行偏置等,进而导致用户的反馈数据存在有偏性。现有的大部分推荐模型都只基于这样的有偏数据进行构建,忽略了偏置的影响,进而导致推荐结果是次优的。目前已有的偏置消除方法大致可以分为基于反事实学习的方法、基于启发式的方法和基于无偏数据增强的方法。其中,基于无偏数据增强的方法通常被认为在稳定性和准确性方面表现较好。本文重点研究了推荐系统中一元反馈的偏
推荐系统的目标是从物品数据库中,选择出与用户兴趣偏好相匹配的子集,缓解用户面临的“信息过载”问题。因而近年来推荐系统越来越多地应用到电商、社交等领域,展现出巨大的商业潜力。传统推荐系统中,系统对用户的认知往往来源于历史交互记录,例如点击率或者购买记录,这是一种隐式用户反馈。对话推荐系统能够通过自然语言与用户进行多轮对话,逐步深入挖掘其兴趣偏好,从而向对方提供高质量的推荐结果。相比于传统推荐系统,对话推荐系统主要有两方面的不同。其一,对话推荐系统能够利用自然语言与用户进行语义上连贯的多轮对话,提升了人机交互