sigir专题

AI论文速读 | 2024[SIGIR]基于大语言模型的下一个兴趣点推荐

论文标题：Large Language Models for Next Point-of-Interest Recommendation 作者：Peibo Li ; Maarten de Rijke ; Hao Xue （薛昊）; Shuang Ao ; Yang Song ; Flora D. Salim 机构：新南威尔士大学(UNSW)，阿姆斯特丹大学（UVA）论文链接：https:/

SIGIR‘21|SGL基于图自监督学习的推荐系统

本篇文章主要介绍王翔、何向南老师团队在SIGIR2021上发表的文章SGL，Self-supervised Graph Learning for Recommendation[1]。这篇文章提出了一种应用于用户-物品二分图推荐系统的图自监督学习框架。核心的思想是，对输入的二分图，做结点和边的dropout进行数据增强，增强后的图可以看做原始图的子视图；在子视图上使用任意的图卷积神经网络，如Ligh

《论文阅读》一个基于情感原因的在线共情聊天机器人 SIGIR 2021

《论文阅读》一个基于情感原因的在线共情聊天机器人前言简介数据集构建模型架构损失函数实验结果咨询策略总结前言亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~ 无抄袭，无复制，纯手工敲击键盘~ 今天为大家带来的是《Towards an Online Empathetic Chatbot with Emotion Causes》出版：In Pro

SIGIR 2019 | Teach Machine How to Read : Reading Behavior Inspired Relevance Estimation

在本论文中，作者先总结了受实际用户行为模式而来的阅读启发法（reading heuristic），这些启发可以被分为显式和隐式。通过重新审视现有的检索的模型及其变形，论文作者发现，它们仅满足了一部分的阅读启发法。通过消融学习，作者指出每个阅读启发对检索性能都有积极的影响。同时整合了全部有效的阅读启发法进去了检索模型，并将它命名为Reading Inspired Model(RIM)。实验结果表明R

赛道 | 深延科技包揽SIGIR eCOM‘21双赛道冠军自研自动特征工程框架神助攻

日前，信息检索领域的国际重要会议SIGIR 2021正在线上举行，来自深兰科技的DeepBlueAI团队参加了SIGIR eCom'21 竞赛，并且表现出色，在竞赛仅设的两个赛道中均获得冠军。这是继2019年获得该系列比赛冠军以来的第二次夺冠，证明了深兰在电商推荐系统领域技术有着领先的地位。此外，更值得注意的是在第二个赛道，深兰自研的自动特征工程框架助力队伍获得了冠军，证明了其自动化机器学习的

阅读笔记--2022-SIGIR-Improving Micro-video Recommendation via Contrastive Multiple Interests

阅读笔记–Improving Micro-video Recommendation via Contrastive Multiple Interests paper: https://arxiv.org/abs/2205.09593 1. Motivation 随着微视频创作者和观看者的快速增加，如何从大量的数据中向观看者做出个性化的推荐开始受到越来越多的关注。然而，现有的微视频推荐模型依赖

清华大学研究生会计算机系分会,清华大学计算机研究生院师生在SIGIR会议发表多篇论文...

2018计算机考研交流群：452734424 近日，计算机系师生发表的4篇论文被ACM SIGIR 2017录用为长文(本次会议仅录用长文78篇)。国际计算机学会信息检索专委会年度会议(ACM SIGIR International Conference on Research on Development in Information Retrieval)是一年一度的信息检索领域最高水平国际会

SIGIR 2022 | 从Prompt的角度考量强化学习推荐系统

©编辑 | 李晨亮来源 | 社媒派SMP 引言 Next item 推荐系统是现代在线网络服务的核心组件之一，根植于应用程序中，例如音乐、视频和电子商务网站，帮助用户（user）导航和查找新内容。一般来说，系统被建模为序列预测任务，通常在递归神经网络或其他生成序列模型之上实现。其目的在于回答问题：在知晓用户过去的交互情况下，用户感兴趣的下一个物品 (item) 是什么。强化学习是训练

SIGIR'22 | 广告间排序和广告内创意优选联合优化

1. 摘要广告创意是展示商品内容、传达商家营销信息的直接载体。商家通常会为一个商品创作多种不同的创意，由于不同用户的关注点不同，这些候选创意所对应的投放效果则相差甚远。创意优选的目的是学习用户对于广告创意的偏好，为用户挖掘及展现最具吸引力的广告创意内容以最大化广告收益。然而，目前业内普遍的做法是将创意优选放在排序阶段之后，这将导致排序模型无法感知到广告创意，即广告内的创意选择无法影响广告间的排

推荐系统论文阅读总结:SIGIR 2023 Multi-behavior Self-supervised Learning for Recommendation

代码：https://github.com/Scofield666/MBSSL 论文：https://arxiv.org/pdf/2305.18238.pdf 在论文阅读中我会根据自己以往的阅读经历和自己的一些工作进行总结（才疏学浅）~ 至于为什么要写这个论文阅读文章，也是因为总结学到的东西，总好过匆匆看完一篇论文。在此之后我会不定期更新关于推荐的各大顶会论文的阅读笔记（更多是多行为推荐）。

SIGIR 2022 推荐系统相关论文整理分类

关注我们，一起学习~ SIGIR 2022论文接收情况已出，本文为大家整理了推荐系统相关的论文分别按照应用和热门技术进行了划分，包括序列推荐，会话推荐，点击率预估，图学习，automl，对比学习等。来源：https://sigir.org/sigir2022/program/accepted/ 广告分配问题来自美团外卖广告算法团队的论文：Deep Page-Level Interest