文献阅读:LightGT:A Light Graph Transformer for Multimedia Recommendation
使用阅读工具： 靠岸学术环境安装: # 配置Cuda及Cudnn，在Anaconda创建虚拟环境，安装GPU版Pytorch，并在Jupyter noterbook及Pycharm中调用【极其详细】 摘要与背景多媒体推荐方法(Multimedia recommandation method) 旨在发现用户对 多模态信息(multi-model information) 的偏好，以增强基于 协同过滤(collaborative filtering (CF)) 的推荐系统。然而，他们很少考虑 特征提取(feature extraction) 对用户偏好建模和用户-物品交互预测的影响，因为提取的特征包含过多与推荐无关的信息。 为了从提取的特征中捕获信息性特征，使用了Transformer模型来建立同一用户历史交互物品之间的关联。考虑到其在有效性和效率方面的挑战，提出了一种基于Transformer的推荐模型，称为 Light Graph...
文献阅读:Manipulating Recommender Systems - A Survey of Poisoning Attacks and Countermeasures
综述地址: Manipulating Recommender Systems: A Survey of Poisoning Attacks and Countermeasures 与投毒相关的资源: awesome-recsys-poisoning 阅读工具: 靠岸学术 摘要推荐系统已成为在线服务中不可或缺的一部分，以帮助用户在数据的海洋中定位到特定的信息。然而，现有的研究表明一些推荐系统易受到投毒攻击(poisoning attacks)，特别是涉及学习方案的推荐系统 什么是投毒攻击(poisoning...
对比学习:从原理到应用的全面解析
对比学习参考 视频： # 对比学习 # 对比学习论文综述【论文精读】 只需半天就能搞定的【对比学习+自监督学习】华理博士精讲SimCLR、CLIP、BERT，论文解读+原理讲解+源码复现，带你轻松搞定论文创新点！-人工智能 # 6分钟了解对比学习(Contrast Learning) 博客： # 一文彻底搞懂对比学习：原理、框架与应用 # 详解常用的对比学习损失 # 李沐论文精读系列三：MoCo、对比学习综述（MoCov1/v2/v3、SimCLR v1/v2、DINO等） # Visual Transformer 论文： 第一阶段 InstDisc InvaSpread CPC CMC 第二阶段 MoCo v1 SimCLR v1 MoCo v2 SimCLR v2 SwAV 第三阶段 BYOL SimSiam 第四阶段 Visual Transformer MoCo v3 DINO 对比学习（Contrastive...
