「PW Live」是 PaperWeekly 的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產(chǎn)生更大的價值。

推薦系統(tǒng)中基于深度學習的方法近幾年來層出不窮，然而不同工作間實驗設定和實現(xiàn)細節(jié)的差異使得我們很難直接比較不同論文的相對效果，也有論文針對推薦領域中實驗的可復現(xiàn)性提出了質疑，認為表面的百花齊放背后其實隱藏著長時間的停滯不前。

本期 PW?Live，我們邀請到清華大學計算機系人智所信息檢索課題組的博士生王晨陽，為大家?guī)?ReChorus: 一個輕量級 Top-K 推薦框架及相關論文介紹的主題分享。

對本期主題感興趣的小伙伴，7?月 16?日（周四）晚 8?點，我們準時相約 PaperWeekly B 站直播間。

分享提綱

清華大學計算機系人智所信息檢索課題組基于最近發(fā)表在 SIGIR’20 工作的代碼，整理出了一個輕量級的 Top-K 推薦框架 ReChorus，旨在分離模型間共同的實驗設定和不同的模型設計，使得各個模型能夠在一個公平的 benchmark 上進行對比。

ReChorus 足夠簡單易上手，既適合初學者了解推薦領域的經(jīng)典模型，也適合研究者基于此快速實現(xiàn)自己的想法；同時 ReChorus 足夠靈活，可以輕松適配個性化的數(shù)據(jù)格式和評測流程。

除此之外，我們會介紹目前 ReChorus 中表現(xiàn)最好的模型——引入商品關系和時間動態(tài)性的商品表示。這個工作顯式建模了目標商品和近期交互商品之間的關系，以及不同關系所產(chǎn)生的影響如何隨時間變化。實驗表明該方法得到的商品表示可以靈活地應用于各種推薦算法并取得顯著的效果提升。

本次分享的具體內(nèi)容有：

• ReChorus 推薦框架介紹

• 實例演示如何基于 ReChorus 實現(xiàn)新模型

• 相關論文方法介紹

嘉賓介紹

?王晨陽?/ 清華大學計算機系博士生?

王晨陽，清華大學計算機系人智所信息檢索課題組二年級博士生，研究方向為推薦系統(tǒng)中用戶的動態(tài)需求，主要包括序列推薦、引入知識及時間動態(tài)性的意圖理解等，在 WWW、SIGIR 等會議發(fā)表多篇論文。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內(nèi)實時 QA，在 PaperWeekly 微信公眾號后臺回復「PW Live」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現(xiàn)在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的直播 | 清华大学王晨阳：轻量级Top-K推荐框架及相关论文介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。