{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,6,11]]，“日期时间”：“2024-06-11T18:37:00Z”，“时间戳”：1718131020491}，“发布者位置”：“Cham”，“引用计数”：35，“发布商”：“Springer International Publishing”，“isbn-type”：[{“值”：“9783030594183”，“类型”：”打印“}，{“值”：“9783030594190”，“type”：“electronic”｝]，“license”：[｛“start”后”一一起来”？“内容版本”：“vor”，“delay-in-days”：0，“URL”：“http://www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2020,1,1]]，“date-time”：“2020-01-01T00:00:00Z”，“timestamp”：1577836800000}，“content-version”：“tdm”，“delay-in-days“：0，”URL：“https:\\/www.springernature.com\/gp\/researters\/text-and-data-mining”}{“日期部分”：[[2020,1,1]]，“日期时间”：“2020-01-01T00:00:00Z”，“时间戳”：157783680000｝，“内容版本”：“vor”，“延迟天数”：0，“URL”：“https://www.springernature.com\/gp\/researchers\/text and data mining”｝]，“内容域”：｛“域”：[“link.springer.com”]，“交叉标记限制”：false｝，“短容器标题”：[]，“已发布的印刷品”：｛“日期部分”：[[2020]]｝，“DOI”：“10.1007\/978-3-030-59419-0_35”，“类型”：“book-chapter”，“created”：{“date-parts”：[[2020,9,21]]，“date-time”：“2020-09-21T16:57:43Z”，“timestamp”：1600707463000}，“page”：“573-589”，“update-policy”：”http://\/dx.doi.org\/10.10007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：5，“title”：[“带对手示例的跨域推荐”]，“prefix”：“10.1007”，“author”：[{“给定”：“浩然”，“家族”：“燕”，“序列”：“第一个”，“从属关系”：[]}，{“给出”：“彭彭”，“家庭”：“赵”，“顺序”：“附加”，“隶属关系”：[]}“：”盐池“，”家人“：”刘“，”序列“：“additional”，“affiliation”：[]}，{“given”：“Victor S.”，“family”：“Sheng”，“sequence”：“addressional”，“abfiliation“：[]{”，”member“：“297”，“published-on-line”：{“date-parts”：[2020,9,22]]}、“reference”：[{”key“：”35_CR1“，”doi-asserted-by“：”publisher“，“first-page”：“290”、“doi”：“10.1016\/j.ins.2016.02.05”，“卷”：“348”，“作者”：“j Lee”，“年份”：“2016”，“非结构化”：“Lee，J.，Lee，D.，Lee，Y.C.等人：使用偏好模型提高前N位推荐的准确性。Inf.Sci.348190\u2013304（2016）”，“期刊标题”：“Inf.Sci.”}，｛“key”：“35_CR2”，“doi asserted by”：“crossref”，“nonstructured”：“Cantador，I，Cremonesi，P.：跨域推荐系统教程。In：RecSys，pp.401\u2013402。ACM（2014）“，”DOI“：”10.1145\/264570.2645777“}，{“key”：“35_CR3”，“DOI-asserted-by”：“crossref”，“unstructured”：“Koren，Y.，Bell，R.，Volinsky，C.：推荐系统的矩阵因式分解技术。计算机42（8），30\u201337（2009）”，“DOI”：“10.1109\/MC.2009.263”}，“key“：”35_CR4“，”非结构化“：”Mnih，A，Salakhutdinov，R.R.：概率矩阵分解。在：NIPS，pp.1257\u20131264（2017）“}，{“问题”：“3”，“关键”：“35_CR5”，“doi-asserted-by”：“publisher”，“首页”：“391”，“doi”：“10.1007\/s10994-011-5268-1”，“卷”：“86”，“作者”：“H Xu”，“年份”：“2012”，“非结构化”：“Xu，H.，Mannor，S.：鲁棒性和泛化。Mach.Learn.86（3），391\u2013423（2012）”，journal-title“：”Mach.Learn“}，{”key“：”35_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”He，X.，Liao，L.，Zhang，H.，Nie，L.、Hu，X.Chua，T.S.：神经协同过滤。收录：WWW，第173\u2013182页。IW3C2（2017）“，“DOI”：“10.1145\/3038912.3052569”}，{“key”：“35_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Singh，A.，Gordon，G.：通过集合矩阵因式分解进行关系学习。见：SIGKDD，pp.650\u2013658。ACM（2008）“，”DOI“：”10.21236\/ADA486804“}，{“key”：“35_CR8”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hu，G.，Zhang，Y.，Yang，Q.：CoNet:跨域推荐的协作跨网络。In:CIKM，pp.667\u2013676。ACM（2018）“，“DOI”：“10.1145\/3269206.3271684”}，{“key”：“35_CR9”，“unstructured”：“Szegedy，C，Zaremba，W，Sutskever，I，et al.：神经网络的有趣特性。http://\/arxiv.org\/abs\/1312.6199（2013）”}Goodfellow I J、Shlens J、Szegedy C.：解释和利用对抗性示例。http:\/\/arxiv.org/abs\/14126.6572（2014）“｝，｛“key”：“35_CR11”，“unstructured”：“Miyato，T.，Dai，A.M.，Goodfellow，I.：半监督文本分类的对抗性训练方法。http:\/\/arxiv.org/abs\/165.07725（2016）”｝，｛“key”：“35_CR12”，“doi asserted by”：“crossref”，“unstructured”：“何，X，何，Z，杜，X，等：推荐对手个性化排名。收录于：SIGIR，第355\u2013364页。ACM（2018）“，“DOI”：“10.1145\/3209978.3209981”}，{“key”：“35_CR13”，“unstructured”：“Kingma，D.P.，Ba，J.：Adam:一种随机优化方法。arXiv预印本arXiv:1412.6980（2014）”}Rendle S、Freudenthaler C、Gantner Z等：BPR：基于隐性反馈的贝叶斯个性化排名。收录于：UAI，第452\u2013461页。AUAI出版社（2009）“}，{”key“：”35_CR15“，”series-title“：”计算机科学讲义“，”doi-asserted-by“：”publisher“，”first page“：“656”，“doi”：“10.1007\/978-3319-06028-6_72”，“volume-title”：“Advances in Information Retrieval”，“author”：“B Loni”，“year”：“2014”，“unstructured”：“Loni，B.，Shi，Y.，Larson，M.，Hanjalic，A.：使用因子分解机的跨域协同过滤。摘自：de Rijke，M.等人（编辑）ECIR 2014。LNCS，第8416卷，第656\u2013661页。查姆施普林格（2014）。https:\/\/doi.org\/10.1007\/978-3-319-06028-6_72“}，{”issue“：”3“，”key“：”35_CR16“，”doi-asserted-by“：”publisher“，”first page“：“57”，”doi“：”10.1145\/2168752.2168771“，”volume“：3），57（2012）“，“新闻标题”：”ACM事务处理。智力。系统。Technol公司。“}，{”key“：”35_CR17“，”doi-asserted-by“：”crossref“，”unstructured“：”Misra，I.，Shrivastava，A.，Gupta，A.，et al.：多任务学习的交叉网络。摘自：《IEEE计算机视觉与模式识别会议论文集》，第3994\u20134003页（2016）“，”doi“：”10.1109\/CVPR.2016.433“}非结构化”：“Bayer，I.，He，X.，Kanagal，B.等人：用于从隐式反馈中学习的通用坐标下降框架。收录于：WWW，第1341\u20131350页。IW3C2（2017）“，“DOI”：“10.1145\/3038912.3052694”}，{“key”：“35_CR19”，“DOI-asserted-by”：“crossref”，“unstructured”：“He，X.，Zhang，H.，Kan，M.Y.，et al.：带隐式反馈的在线推荐的快速矩阵分解。In:SIGIR，pp.549\u2013558。ACM（2016）“，”DOI“：”10.1145\/2911451.2911489“}，{”key“：”35_CR20“，”DOI-asserted-by“：”crossref“，”unstructured“：”Ning，X.，Karypis，G.：SLIM:top-n推荐系统的稀疏线性方法。摘自：IEEE第十一届国际数据挖掘会议，第497\u2013506页。IEEE（2011）“，”DOI“：”10.1109\/ICDM.2011.134“}，{“key”：“35_CR21”，“DOI-asserted-by”：“crossref”，“unstructured”：“Shi，Y.，Karatzoglou，A.，Baltrunas，L.，et al.：CLiMF：学习通过协作式低is-more过滤最大化互惠秩。摘自：RecSys，第139\u2013146页。ACM（2012）“，”DOI“：”10.1145\/2365952.2365981“}，{”key“：”35_CR22“，”DOI-asserted-by“：”crossref“，”unstructured“：”Kabbur，S.，Ning，X.，Karypis，G.：FISM：top-N推荐系统的因子化项目相似性模型。In:SIGKDD，pp.659\u2013667。ACM（2013）“，“DOI”：“10.1145\/248755.2487589”}，{“key”：“35_CR23”，“unstructured”：“Dziugaite，G.K.，Roy，D.M.：神经网络矩阵分解。http://\/arxiv.org\/abs\/1511.06443（2015）”}Chen，J.，Zhang，H.，He，X.，et al.：专注协作过滤：具有项目级和组件级关注的多媒体推荐。载：第40届ACM SIGIR信息检索研究与发展国际会议论文集，第335\u2013344页。ACM（2017）“，”DOI“：”10.1145\/3077136.3080797“}，{“key”：“35_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Zhao，P.，Zhu，H.，Liu，Y.，et al.：下一步行动：下一个POI建议的时空门控网络。In:AAAI，pp.5877\u20135884（2019）”，“DOI”：“10.1609\/aaaai.v33i01.33015877”}，“{”key“：”35_CR26“，”DOI-asserted-by“：”crossref“，”非结构化”：“Xu，C.，Zhao，P.，Liu，Y.，et al.：用于顺序推荐的递归卷积神经网络。收录于：WWW，第3398\u20133404页。IW3C2（2019）”，“DOI”：“10.1145\/3308558.3313408”}，{“key”：“35_CR27”，“DOI断言者”：“crossref”，“非结构化”：“Zhang，T.，Zhao，P.，Liu，Y.等人：用于顺序推荐的特征级更深层次自我注意网络。在：IJCAI，第4320\u20134326页。AAAI出版社（2019）“，“DOI”：“10.24963\/ijcai.2019\/600”}，{“key”：“35_CR28”，“unstructured”：“Liu，J.，Zhao，P.，Liu，Y.，et al.：跨域推荐审美偏好的深度交叉网络。http://\/arxiv.org\/abs\/1905.13030（2019Wang，J.，Yu，L.，Zhang，W.，et al.：IRGAN：统一生成和区分信息检索模型的极大极小博弈。收录于：SIGIR，第515\u2013524页。ACM（2017）“，”DOI“：”10.1145\/307136.3080786“｝，｛”key“：”35_CR30“，”非结构化“：”Goodfellow，I.，Pouget Abadie，J.，Mirza，M.等人：生成对抗性网络。在：NIPS，pp.2672\u20132680（2014）“｝，｛”key“：”35_CR31“，”DOI断言“：”crossref“，”非结构化“：”Moosavi-Dezfuli，S.M.、Fawzi，A.、Fawzi，O.等人：普遍对抗扰动。收录于：CVPR，第1765\u20131773页。IEEE（2017）“，“DOI”：“10.1109\/CVPR.2017.17”}，{“key”：“35_CR32”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wu，Y.，Bamman，D.，Russell，S.：关系提取的对抗训练。见：EMNLP，pp.1778\u20131783。ACL（2017）“，“DOI”：“10.18653\/v1\/D17-1187”}，{“key”：“35_CR33”，“DOI-asserted-by”：“crossref”，“unstructured”：“Wang，Q.，Yin，H.，Hu，Z.，et al.：对抗训练的神经记忆流推荐网络。In:SIGKDD，pp.2467\u20132475。ACM（2018）“，“DOI”：“10.1145\/3219819.3220004”}，{“key”：“35_CR34”，“DOI-asserted-by”：“crossref”，“unstructured”：“Liu，W.，Wang，Z.J.，Yao，B.等人：Geo-ALM:通过融合地理信息和对抗性学习机制的POI建议。In:IJCAI，pp.1807\u20131813。AAAI Press（2019）”，“DOI”：“10.24963\/ijcai.2019\/250”｝，｛“key”：“35_CR35”，“DOI断言者”：“crossref”，“非结构化”：“Fan，W.，Derr，T.，Ma，Y.等人：深度对抗性社会推荐。http:\/\/arxiv.org/abs\/1905.13160（2019）”，“DOI”：“10.24963\/ijcai.2019\/187”｝]，“容器标题”：[“高级应用数据库系统”，“计算机科学课堂讲稿“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/978-3-030-59419-0_35“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2024,3,12]，”date-time“：“2024-03-12T17:55:33Z”，“timestamp”：171 0266133000}，“score“：1，”resource“：{”primary”：{“URL”：“https:\/\/link.springer.com/10.1007\/978-3-030-59419-0_35”}}，”subtitle“：[]，”shorttitle“：[]，”issued“:{”date-parts“：[[2020]]}，“ISBN”：[“9783030594183”，“97830035941190”]，“references-count”：35，”URL“：”http://\/dx.doi.org\/10.1007\/978-30-0-07 30-59419-0_35“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，”ISSN-type“：[{”value“：”0302-9743“，”type“：”print“｝，｛”value“：”1611-3349“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”日期部分“：[[2020]]｝，”assertion“：[｛”value“：”2020年9月22日“，”order“：1，”name“：”first_online“，”label“：”first online“，”group“：｛”name“：”ChapterHistory“，”label“：”ChapterHistory“｝｝，”value“：”DASFAA“，”order“：1，“name”：“conference_accomposition”，“label”：“会议缩写词“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“高级应用程序数据库系统国际会议”，“order”：2，“name”:“Conference_name”，“标签”：“会议名称”，“group”：conference_city“，”label“：”会议城市“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”大韩民国“，”order“：4，”name“:”conference_country“，”标签“：”conferency country“会议年份“，”组“：{“name”：“ConferenceInfo”，“label”：“会议信息”}}，{“value”：“2020年9月24日”，“order”：7，“name”:“Conference_start_date”，”label“：“会议开始日期”，”组会议结束日期“，”组“：{”name“：”ConferenceInfo“，”label“：”会议信息“}}，{”value“：”25“，”order“：9，”name“:”Conference_number“，“label”：”会议编号“，”group“：会议信息“，”label“：”会议信息“}}，{“value”：“http://\/db.pknu.ac.kr \/dasfaa2020 \/”，“order”：11，“name”：“Conference_url”，“label”：“会议url”，“group”：{“name”:“ConferenceInfo”，“table”：“Conferency Information”}}ReviewInformation“，”标签“：“同行评议信息（由会议组织者提供）“}}，{”value“：”EasyChair“，”order“：2，”name“：”conference_management_system“，”label“：”会议管理系统“，”group“：number_of_submissions_sent_for_review“，”label“：“发送供审阅的提交数”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“119”，“order”：4，“name”:“number_ of_full_papers_accepted”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）24%-该值由等式“接受的完整论文数”/“提交供审查的论文数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_full_papers“，”label“：”完整论文的接受率“，”group“：”{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}，{“value”：“3.11”，“order”：7，“name”:“average_number_of_reviews_per_paper”，“table”：“每篇论文的平均审阅次数”，“group”：{“”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{“value”：“6.81”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：同行评审信息（由会议组织者提供）“}}，{“value”：“Yes”，“order”：9，“name”：“external_reviewers_involved”，“label”：“external reviewers involved”、“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“Peer Review信息（由大会组织者提供）”}}order“：10，”name“：”additional_info_on_review_process“，”label“：”审查过程的附加信息“，”group“：{”name“:”ConfEventPeerReviewInformation“，”标签“：”同行审查信息（由会议组织者提供）“}}]}}