[WWW 2019] A Hierarchical Attention Retrieval Model for Healthcare Question Answering

• 医疗场景的问答
• 其实就是文档检索排序，只不过做了多个级别的Attention

• 构建了新的数据集来验证方法

  
  模型结构图

[WWW 2019] Cross-domain Recommendation Without Sharing User-relevant Data

• cross-domain推荐，但是传统的cross-domain都是共享用户的历史行为数据的，而有些时候这些数据是很敏感很隐私的
• 本文提出只共享item Embedding的方法，避免了敏感数据的泄露

• 首先在辅助domain里面预训练item Embedding，然后迁移到target domain里面用

  
  模型结构图

[WWW 2019] GhostLink Latent Network Inference for Influence-aware Recommendation

• 用户对某个物品的打分会受到社交网络中别的用户的影响

• 本文用无监督的概率图模型来自动学习latent influence，通过用户post和content，然后用来提高推荐系统的效果

  
  概率图模型结构

[WWW 2019] Graph Neural Networks for Social Recommendation

• GNN做推荐系统
• 有user-user图和user-item图

• 分别在图上做Attention

  
  模型结构图

[WWW 2019] Hierarchical Temporal Convolutional Networks for Dynamic Recommender Systems

• 序列推荐， 预测下一个item

• 预测每一个时刻的user表示，用来推荐item

  
  模型结构图

[WWW 2019] Learning Novelty-Aware Ranking of Answers to Complex Questions

• 这里的novelty其实就是diversity的意思
• 考虑到答案的相关性和多样性

• PairWise的建模

  
  模型结构图

[WWW 2019] Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation

• 多任务特征学习
• 加入item的知识图谱（head-ralation-tail）做推荐系统
• user和item一起预测打分，head和relation一起预测tail

• item和head做个Cross&compress，如图：

  
  Cross&compress unit
  模型结构图