首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    KDD2023 | 外卖推荐场景中用户双重时段变化偏好建模

    然而,在实际的外卖系统中,一天中的早、中、晚、深夜时段,用户的偏好差异显著。 为了应对这些挑战,我们提出了一种针对于外卖推荐场景的双重时段变化偏好建模模型 (DPVP)。...(2) 用户时段变化偏好: 如图1,在传统推荐中,用户偏好很少有随一天中的时段显著变化的特征,而在外卖推荐中,用户偏好,尤其是对菜品的偏好,在一天的不同时间段变化显著。...此外,提出了一个基于时间的分解模块来捕获用户时段特定(Time-Specific)偏好,同时学习用户的时段共享(Time-Shared)偏好。...然后,利用时间感知门网络融合用户特定时段和共享时段的双重偏好,得到用户的双重时段变化偏好。最终,该模型基于用户对商家和菜品的时段变化偏好之间的平衡做出预测。...此外,经实验分析,我们的模型可以提升所有时段的模型预测效果。 并且对五大类食物平均预测分数的可视化后,说明我们的模型可以很好地捕捉用户时段变化的偏好。

    29510

    DAGN:一种跨时段、跨任务稳定的脑纹识别方法

    然而,由于EEG信号的跨时段不稳定,且与身份相关的自发脑活动容易受认知任务影响,导致难以训练跨时段、跨任务稳定的脑纹识别模型。...,每个被试记录至少2个,最多5个时段EEG数据。...由于MTED数据集包含单个时段,所以只对包含多个时段的128-MTED数据集进行跨时段评估。...DAGN模型ACC可达90.16%,显著优于所有的对比方法,表明DAGN可以有效地缓解跨时段数据分布差异的问题,提取跨时段、跨任务稳定的脑纹身份特征。...该模型在多任务多时段EEG数据集上采用跨时段、跨任务的验证,其性能表现均优于现有模型,在脑纹识别领域的实际场景应用中具有潜在价值。

    55210

    分析了《无问西东》17万+评论数据,我发现这些信息

    遴选了观影人数城市top10,发现两个信息:1.前十位中有三个西部城市(成都,西安,重庆)上榜,且表现不俗,其余均为中东部城市,2.同为一线城市且经济发展水平相当的北上广深四市,单就无问西东的观影人数方面对比悬殊...【3】观影时间分布 从3个时间角度分析观影时间,上线30天内每天观影量、观影按星期分布和观影时段(考虑影片时长138分钟、撰写影片用时和可能的前往电影院耗时,取评论时间前的3小时作为观影时段参考值) 1...统计了所有观影时段,下午(12点—18点)观影者人数最多,紧随其后的则是晚上(18点—21点),最少的时段当属21—24点以及0点—早8点。...然而,容易发现这与常规的认知并不太一样:晚上或许才是观影的黄金时段,后半夜观影的人才是最少。问题就出现在在上面划分时段的时间跨度是不一样的,自然不具有可比性。...上图展示了其余近2000条评论的回复情况,其中回复数量为1条的最多,占2/3以上,2条以内回复的评论近8成,有10条以上回复的约占16.43%。

    61410
    领券