文件名称：ADER:RecSys 2020最佳短文
文件大小：18.84MB
文件格式：ZIP
更新时间：2024-03-24 20:31:29
recommendation-system continual-learning Python
ADER：针对基于会话的推荐进行持续学习的自适应提炼示例回放 EPFL | | 学期项目（2020年Spring） | 最佳短篇论文 关于 这是我们对本文的实现： 作者：费飞，林小玉和Boi Faltings 前两位作者的贡献相似。 如果您使用代码或数据集，请引用我们的论文。 这也是林晓玉完成的一个学期项目，由费Mi和Boi Faltings教授指导。 []-[] 目录 背景 尽管基于会话的推荐者由于诸如递归神经网络和注意力之类的一些新技术而取得了显着改善，但他们仅使用整个数据或最新分数来训练模型。 对隐私的日益关注，禁止推荐者保留长期用户的浏览历史记录。 另一方面，更新数据对推荐者更有用，但是在此静态方案中，如何从整个数据集中选择最后一部分数据是一个问题。 我们通过在增量学习方案中使用现有的推荐程序来解决这些问题，并提出一个名为“自适应蒸馏样例回放（ADER）”的框架，以平衡
【文件预览】：
ADER-master
----main.py(15KB)
----data()
--------preprocessing.py(12KB)
--------util.py(4KB)
--------YOOCHOOSE()
--------DIGINETICA()
----ADER.py(7KB)
----util.py(21KB)
----requirments.yaml(10KB)
----poster.pdf(556KB)
----requirements.txt(69B)
----.gitignore(2KB)
----modules.py(10KB)
----README.md(6KB)
----results.svg(94KB)
----EWC.py(8KB)