LightGCN论文笔记

最新推荐文章于 2024-04-30 16:42:09 发布
最新推荐文章于 2024-04-30 16:42:09 发布
阅读量1.4k 收藏 5
点赞数 2
文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/KKKKKKKKKz/article/details/106671207
版权
本文是LightGCN论文笔记，探讨了LightGCN如何通过简化GCN，去除特征转换和非线性激活，提升协同过滤的效果。模型主要通过节点邻域聚合生成嵌入，再进行加权和得到最终表示。实验证明，LightGCN训练简单，泛化性能优秀。
摘要由CSDN通过智能技术生成

LightGCN论文笔记

论文地址：http://staff.ustc.edu.cn/~hexn/papers/sigir20-LightGCN.pdf

这是何向南组发表在SIGIR2020上的一篇论文，论文中对比了LightGCN与之前发表的论文NGCF的对比，总体来说就是认为GCN中的特征转化和非线性激活在协同过滤的过程中无作用且会增加模型的训练难度。下面就先来看看LightGCN的基本思路。

LightGCN模型

模型图如下：
在这里插入图片描述
模型的总体思路就是：
(1)先将用户和项目节点的领域聚合
(2)使用三层卷积层分别生成每层的嵌入
(3)将节点的原始输入与生成每层新的嵌入做一个加权和
(4)将用户和项目最终的生成节点表示做内积生成预测的分数

LightGCN

现在以论文中的公式描述一下以上思路：
在这里插入图片描述
这里的聚合器并没有像GCN中的聚合器一样使用了层变换和非线性激活，而是只用了一个简单的加权运算来用节点的邻域计算下一层的节点表示。这里也是对每层的节点做了一个正则化，以避免嵌入规模越来越大。特别需要注意的是，邻域聚合并没有用到自连接，根据作者的解释在最终将每层嵌入组合到一起时，起到了自连接的效果，所以在聚合时是不要增加自连接的。

最低0.47元/天 解锁文章
平凡的K
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
【论文学习】LightGCN：轻量图卷积
KeithVV的博客
06-04 5702
图卷积网络（GCN）已成为协同过滤的新技术。然而，对其建议效力的原因并不十分了解。现有的基于推荐的GCN算法缺乏对GCN算法的深入分析，GCN算法最初是为图分类任务而设计的，具有很多神经网络操作。然而，我们在经验上发现，GCN中最常见的两种设计-特征转换和非线性激活-对协同过滤的性能贡献甚微。更糟糕的是，包括它们会增加培训的难度，降低推荐性能。在这项工作中，我们的目标是简化GCN的设计，使其更简洁、更适合推荐。提出了一种新的协同过滤模型LightGCN，该模型只包含了GCN中最基本的部分-邻域聚集。具体来说
GCN论文笔记
u012370185的博客
06-27 1626
Large Kernel Matters——Improve Semantic Segmentation by Global Convolution Network GCN的pytorch实现:https://github.com/SConsul/Global_Convolutional_Network 论文地址：https://arxiv.org/pdf/1703.02719.pdf 一....
LightGCN代码精读
weixin_44458440的博客
04-30 918
继承自 BasicDataset 类，实现了 LastFM 数据集的加载，包括了数据的读取、预处理和一些基本属性的获取，如用户数、物品数、训练数据大小等。：定义了一个基本的数据集类，包含了一些必要的属性和方法的接口，如用户数、物品数、训练数据大小、测试数据字典等，同时提供了一些抽象方法用于获取用户正向反馈、用户正向物品、用户负向物品等。：在测试集上对训练好的模型进行评估，计算模型在不同指标下的性能表现，如 Recall、Precision、NDCG、MRR 等，以便评估模型的推荐效果。
论文阅读：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
qq_43431934的博客
03-04 3866
论文阅读：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation paper：https://arxiv.org/abs/2002.02126code：https://github.com/kuandeng/LightGCN NGCF和LightGCN模型展示对比 何向南老师组的两大必读论文NGCF和LightGCN，分别发在SIGIR19’和SIGIR20’。 LightGCN模型的总体...
LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation 论文笔记
Running Snail
08-19 886
1.简介 1.1 摘要 GCN中两种最常见的设计——特征转换和非线性激活，对协同过滤的性能贡献很小。我们提出了一个新的模型LightGCN，它只包含GCN中最重要的组件——邻域聚合——用于协同过滤。具体来说，LightGCN通过在用户-项目交互图上线性传播来学习用户和项目嵌入，并使用在所有层上学习到的嵌入的加权和作为最终的嵌入。 2.准备工作 ...
论文《LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation》阅读
xingzhe123456789000的博客
03-19 608
论文《LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation》阅读论文概况Introduction模型分析LightGCN与SGCN的关系LightGCN与APPNP的关系二阶embedding平滑模型训练总结 论文概况 这篇文章是何向南教授刚刚发表在SIGIR 2020上的作品，作者介绍了一个轻量版的GCN模型做推荐系统。 论文地址：LightGCN Introduction 这篇文章的亮点在于将以往
LightGCN-Pytorch
03-22
LightGCN-Pytorch
基于LightGCN推荐算法的推荐系统-数据集
12-06
在构建推荐系统时，LightGCN（Light Graph Convolution Network）是一种新兴且高效的算法，尤其适用于协同过滤场景。本文将深入探讨LightGCN的基本原理、推荐系统中的应用以及如何使用提供的数据集进行实践。 ...
Source-Code-Notebook:关于一些经典论文源码的逐行中文笔记-Source code
03-25
关于一些经典论文原始代码源代码的中文笔记，尽量做到整体框架梳理和逐行原始代码注释。 不过太早期的代码一般都在此，所以主要更一些后期（2017-NOW）的笔记。 语言主要是Pytorch和Tensorflow版本的代码，部分Keras...
Awesome-RSPapers:推荐系统论文
04-01
LightGCN：简化和增强图卷积网络以进行推荐。 SIGIR 2020 基于VAE的推荐系统的深度批评。 SIGIR 2020 推荐的邻居交互感知图卷积网络。 SIGIR 2020 使用贝叶斯图卷积神经网络推荐准确和多样项目的框架。 2020年 双...
GGNN和GCN的几篇论文笔记
03-10
GGNN和GCN的几篇论文笔记，介绍常用的两种图神经网络。个人笔记。
Gowalla数据集
11-30
用于基于地理位置的推荐系统数据集。 After preprocessing, the dataset contains 30,887 users, 18,995 POIs and 860,888 reviews.
阅读笔记：LightGCN: Simplifying and Powering Graph ConvolutionNetwork for Recommendation - 2020 SIGIR
Q1an的博客
03-26 1898
LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation原文链接： LightGCN: Simplifying and Powering Graph Convolution Network for Recommendationhttps://arxiv.org/abs/2002.02126代码： GitHub - kuandeng/LightGCN https://github.com/kuandeng
【GCN】论文笔记：Simple and Deep Graph Convolutional Networks
m0_50611867的博客
01-17 550
文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 图卷积网络(GCNs)是一种强大的用于图结构数据的深度学习方法。最近，GCNs及其后续的变种在现实世界数据集的各个应用领域显示了优越的性能。尽管它们取得了成功，但由于过度平滑的问题，目前大多数GCN模型都很肤浅。 本文研究了深度图卷积网络的设计与分析问题。我们提出了GCNII，它是vanilla GCN模型的扩展，有两种简单而有效的技术:初始残差和单位映射。我们提供了理论和经验证据，这两种技术有效地缓解了过度平滑的问题。我们
GCN原论文阅读笔记
hxhabcd123的博客
08-04 2507
本文记录GCN原经典论文的阅读笔记，以方便后期查阅
【图卷积推荐论文阅读笔记】LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
weixin_45371401的博客
05-30 1174
1）通过实验证明，GCN的**特征转换**和**非线性激活**，对协同过滤的有效性没有积极影响; 2）提出LightGCN，它通过仅包括GCN最重要的推荐组件，简化了模型设计并提高了性能； 3）按照相同的设置同其他先进协同过滤和图卷积推荐模型进行比较，对LightGCN的合理性进行了深入分析。
经典图推荐系统论文LightGCN算法及代码简介
Blueghost19的博客
03-20 7186
图卷积网络（Graph Convolution Network，GCN）已经被广泛地应用于推荐系统。然而先前基于GCN进行协同过滤的工作（例如NGCF）缺少对GCN的消融研究。作者指出GCN最初被设计用于图上的节点分类任务，并且GCN的特征转换与非线性激活过程并不适用于协同过滤。基于此，作者在标准的GCN的基础上针对推荐任务进行了简化，提出了轻量级图卷积网络（LightGCN）。本文对LightGCN的算法与代码细节进行了简要介绍。
Multi-Label Image Recognition with Graph Convolutional Networks 论文笔记
supercali的博客
03-25 257
CVPR 2019 ，旷世的文章，地址 https://arxiv.org/abs/1904.03582 GitHub上也给出了代码
介绍LightGCN
最新发布
05-06
LightGCN是一种用于推荐系统的轻量级图卷网络模型。它是由CSDN开发的AI助手，专门用于解决推荐系统中的用户-物品交互数据建模问题。 LightGCN的核心思想是通过学习用户和物品之间的交互关系来进行推荐。与传统的图...
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值