Learning to Recommend via Meta Parameter Partition 走读
将Reptile用于新闻推荐这一现实场景中。本文提出将模型参数分为用户不变参数（fixed）与用户自适应相关参数（adaption）解耦，线下训练不变参数，线上训练自适应相关参数。论文提出的方法不仅节省了存储和线上训练时间，而且可以在持续微调用户特定参数的同时处理灾难性遗忘。 摘要 在本文中，我们提出基于元学习方法解决推荐中的一个重要问题-用户冷启动。先前的元学习方法为每个新用户微调所有参数，这在
相关文章
- 1. 论文阅读笔记《One-Shot Visual Imitation Learning via Meta-Learning》
- 2. 读论文笔记——Jointly Learning to Recommend and Advertise
- 3. 迁移学习论文阅读：Transfer Learning via Learning to Transfer
- 4. [NLG] Domain Adaptive Dialog Generation via Meta Learning
- 5. 元学习Meta Learning/Learning to learn
- 6. 【论文阅读】[meta learning]cross-domain few-shot classification via learned feature-wise transformation.
- 7. 论文阅读笔记《Deep Meta-Learning: Learning to Learn in the Concept Space》
- 8. 论文阅读笔记《Meta-SGD: Learning to Learn Quickly for Few-Shot Learning》
- 9. Parameter Learning
- 10. 平安-Meta-learning for Multilingual Text-to-Speech
- 更多相关文章...
- • ADO Parameter 对象 - ADO 教程
- • RSS 阅读器 - RSS 教程
- • JDK13 GA发布：5大特性解读
- • Java Agent入门实战（一）-Instrumentation介绍与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. 外部其他进程嵌入到qt FindWindow获得窗口句柄 报错无法链接的外部符号 [email protected] 无法被([email protected]@[email protected]@@引用
- 2. UVa 11524 - InCircle
- 3. The Monocycle（bfs）
- 4. VEC-C滑窗
- 5. 堆排序的应用-TOPK问题
- 6. 实例演示ElasticSearch索引查询term,match,match_phase,query_string之间的区别
- 7. 数学基础知识 集合
- 8. amazeUI 复择框问题解决
- 9. 背包问题理解
- 10. 算数平均-几何平均不等式的证明,从麦克劳林到柯西
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文阅读笔记《One-Shot Visual Imitation Learning via Meta-Learning》
- 2. 读论文笔记——Jointly Learning to Recommend and Advertise
- 3. 迁移学习论文阅读：Transfer Learning via Learning to Transfer
- 4. [NLG] Domain Adaptive Dialog Generation via Meta Learning
- 5. 元学习Meta Learning/Learning to learn
- 6. 【论文阅读】[meta learning]cross-domain few-shot classification via learned feature-wise transformation.
- 7. 论文阅读笔记《Deep Meta-Learning: Learning to Learn in the Concept Space》
- 8. 论文阅读笔记《Meta-SGD: Learning to Learn Quickly for Few-Shot Learning》
- 9. Parameter Learning
- 10. 平安-Meta-learning for Multilingual Text-to-Speech