recommendation instruction following empowered
Empowering Long-tail Item Recommendation through Cross Decoupling Network (CDN)
长尾问题是个老大难问题了。
在推荐中可以是用户/物料冷启动，在搜索中可以是中低频query、文档，在分类问题中可以是类别不均衡。长尾数据就像机器学习领域的一朵乌云，飘到哪哪里就阴暗一片。今天就介绍来自Google的一篇解决长尾物品推荐的论文。 ......
Time-aware Path Reasoning on Knowledge Graph for Recommendation
[TOC] > [Zhao Y., Wang X., Chen J., Wang Y., Tang W., He X. and Xie H. Time-aware path reasoning on knowledge graph for recommendation. TOIS, 2022.](h ......
《Self-Alignment with Instruction Backtranslation》论文学习
一、Introduction 将大型语言模型（LLMs）对齐以执行指令遵循，通常需要在大量人工注释的指令样本或偏好样本上进行微调，或从更强大的模型中提炼输出。之前的研究都强调了人工注释数据质量的重要性。然而，使用具有这类质量的注释指令数据很难扩展，每种指令结构和风格的指令数据，往往只能用于某一类垂直 ......
How Can Recommender Systems Benefit from Large Language Models: A Survey 阅读笔记
论文主要从LLM应用在推荐系统哪些部分以及LLM如何应用在推荐系统中，还讨论了目前LLM应用在RS中的一些问题。 ###Where? 推荐系统哪些部分哪里可以应用到大模型？文章中提到了特征工程、特征编码、评分/排序函数、推荐流程控制。 - LLM for Feature Engineering - ......
This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.
This TensorFlow binary is optimized to use available CPU instructions in performance-critical operations.To enable the following instructions: AVX2 FM ......
Commit failed (details follow): Working copy text base is corrupt Checksum mismatch for text base of
问题：提交一个svn文件报错，提交其他文件没有报错 解决办法：（网上看了很多方法都解决不了）： 1、把文件拷贝到svn目录外放着 2、把svn目录下文件移除，然后commit svn 3、把目录外的文件拷贝进来，先Add，然后commit 就成功了 ......
A Neural Influence Diffusion Model for Social Recommendation
[TOC] > [Wu L., Sun P., Fu Y., Hong R., Wang X. and Wang M. A neural influence diffusion model for social recommendation. SIGIR, 2019.](https://dl.acm ......
SocialLGN Light graph convolution network for social recommendation
[TOC] > [Liao J., Zhou W., Luo F., Wen J., Gao M., Li X. and Zeng J. SocialLGN: Light graph convolution network for social recommendation. Information ......
【论文阅读】Self-Alignment with Instruction Backtranslation自对齐与指令反翻译
Self-Alignment with Instruction Backtranslation自对齐与指令反翻译 摘要： 在当今的人工智能时代，语言模型的训练和优化已成为研究的热点。本文介绍了一种创新且可扩展的方法，通过为人编写的文本自动标注相应的指令，构建高质量的指令跟随语言模型。此研究的方法，被 ......
Git常见报错：Your local changes to the following files would be overwritten by merge
### 1、报错原因 该报错在git pull时出现，一句话解释就是你在本地改动了代码但是还没有提交，此时再拉取最新代码，远程代码和你当前的本地代码发生冲突！（注意有冲突时才会提示，如果没有冲突，则git pull成功，因为git pull实质上就是一个远程分支merge到本地分支过程。 ### 2 ......
论文解读（SimGCL）《Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation论文作者：Junliang Yu ......
论文解读（LightGCL）《LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：LightGCL: Simple Yet Effective Graph Contrastive Learning for Recommendation论文作者：Cai, Xuheng and Huang, ......
HS-GCN Hamming Spatial Graph Convolutional Networks for Recommendation
[TOC] > [Liu H., Wei Y., Yin J. and Nie L. HS-GCN: Hamming spatial graph convolutional networks for recommendation. IEEE TKDE.](https://arxiv.org/pdf/ ......
Python报错 | ImportError: To be able to use evaluate-metric/seqeval, you need to install the following dependencies['seqeval'] using 'pip install seqeval' for instance'
**报错信息** 使用`metric = evaluate.load("seqeval")`的时候，报如下错误： ```python ImportError: To be able to use evaluate-metric/seqeval, you need to install the fol ......
大语言模型的预训练4：指示学习Instruction Learning详解以及和Prompt Learning,In-content Learning区别
# 大语言模型的预训练[4]：指示学习Instruction Learning：Entailment-oriented、PLM oriented、human-oriented详解以及和Prompt Learning,In-content Learning区别 # 1.指示学习的定义 Instruct ......
Unified Conversational Recommendation Policy Learning via Graph-based Reinforcement Learning
图的作用： 图结构捕捉不同类型节点（即用户、项目和属性）之间丰富的关联信息，使我们能够发现协作用户对属性和项目的偏好。因此，我们可以利用图结构将推荐和对话组件有机地整合在一起，其中对话会话可以被视为在图中维护的节点序列，以动态地利用对话历史来预测下一轮的行动。 由四个主要组件组成：基于图的 MDP ......
粗读Multi-Task Recommendations with Reinforcement Learning
论文： Multi-Task Recommendations with Reinforcement Learning 地址： https://arxiv.org/abs/2302.03328 # 摘要 In recent years, Multi-task Learning (MTL) has yi ......
MEANTIME Mixture of Attention Mechanisms with Multi-temporal Embeddings for Sequential Recommendation
[TOC] > [Cho S., Park E. and Yoo S. MEANTIME: Mixture of attention mechanisms with multi-temporal embeddings for sequential recommendation. RecSys, 20 ......
Instruct-GPT
## 数据收集细节 InstructGPT中数据收集是一个关键的过程，包括收集什么类型的数据、如何筛选标注人员等等。InstructGPT类型的数据是与InstructGPT三阶段训练相对应，而筛选标注人员，则是为了收集的数据质量更高。从下面数据收集细节可以看出为什么要进行标注人员筛选。 ### 标 ......
Memory Augmented Graph Neural Networks for Sequential Recommendation
[TOC] > [Ma C., Ma L., Zhang Y., Sun J., Liu X. and Coates M. Memory augmented graph neural networks for sequential recommendation. AAAI, 2021.](http: ......
[中英文] Aligning language models to follow instructions 对齐语言模型以遵循指令
We've trained language models that are much better at following user intentions than GPT-3 while also making them more truthful and less toxic, using ......
关于Deep Neural Networks for YouTube Recommendations的一些思考和实现
作者自己实现该文章的时候遇到的一些值得思考的地方： - [关于Deep Neural Networks for YouTube Recommendations的一些思考和实现](https://cloud.tencent.com/developer/article/1170340) - [备份网址] ......
Self-Instruct 论文解读：利用大模型自己给自己生成指令数据，指令数据自动生成
## 总览 大规模“指令调整”的语言模型，即**指令微调的LLM**，已经表现出非凡的**零样本能力**，尤其是推广**新任务上**。 然而，这些模型严重依赖于人类编写的指令数据，而这些数据通常在数量、多样性和创造力方面受到限制，因此阻碍了调整模型的通用性。 基于上述背景，作者提出了**Self-i ......
Basic（Beginner's All-purpose Symbolic Instruction Code）是一种高级编程语言，最初在1964年由John G. Kemeny和Thomas E. Kurtz在Dartmouth College开发而成。Basic的设计初衷是为了让非专业程序员能够轻松学习和使用编程语言。
Basic（Beginner's All-purpose Symbolic Instruction Code）是一种高级编程语言，最初在1964年由John G. Kemeny和Thomas E. Kurtz在Dartmouth College开发而成。Basic的设计初衷是为了让非专业程序员能够轻 ......
多模态大语言模型 LlaVA 论文解读：Visual Instruction Tuning
 ## 概 图 + MA ......
混合性对话：Towards Conversational Recommendation over Multi-Type Dialogs
## 混合型对话 传统的人机对话研究专注于单一类型的对话，并且往往预设用户一开始就清楚对话目标。但实际应用中，人机对话常常混合了多种类型，例如闲聊、任务导向对话、推荐对话、问答等，并且用户目标是未知的。在这样的混合型对话中，机器人需要主动自然地进行对话推荐。 “混合型对话”这个新颖的任务于2020年 ......
Time Interval Aware Self-Attention for Sequential Recommendation
[TOC] > [Li J., Wang Y., McAuley J. Time interval aware self-attention for sequential recommendation. WSDM, 2020.](https://dl.acm.org/doi/10.1145/3336 ......
svn: E155015: Commit failed (details follow): svn: E155015: Aborting commit: 'modules/user.js' remains in conflict
这个意思是冲突了，签出来的时候，会有几个文件。 user.mine.js user.r389.js user.js ... 代表了几个版本 然后合并以后，发现签不上去。 % svn resolved user.js “user.js”的冲突状态已解决 这样再签就可以了。 参考：https://www ......
Exploiting Positional Information for Session-based Recommendation
[TOC] > [Qiu R., Huang Z., Chen T. and Yin H. Exploiting positional information for session-based recommendation. ACM Transactions on Information Syst ......