TAGNN论文解读——SRGNN的进阶版本

置顶 VIP文章 于 2020-10-29 20:31:12 发布 3058 收藏 7
分类专栏： NLP与推荐算法 文章标签： gnn 推荐召回 TAGNN
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/SPESEG/article/details/109336509
版权

hi各位大佬好，我是菜鸟小明哥（其实我也是大佬，哈哈，都是大佬）。

SRGNN已经初步完成实际应用，效果还好，有用的参考来这里。据说原paper大佬已经更新换代了GNN，也就是TAGNN，望文生义就是“他的GNN”，我啥时候发个“WOGNN”，也就是“我的GNN”，hehe。本文依旧粉丝可见，年底回馈粉丝福利。（不喜欢我翻译的就别看，看过了又瞎BB，你是闲的蛋疼吗？），代码在此，paper在此。

真正意义上的序列推荐，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
小李飞刀李寻欢
关注
  • 6
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
SRNN完整源代码
10-24
SRNN源码 完整版，需要学习的同学可以看一下 、
【论文精读】门控图神经网络GGNN及SRGNN
_Mogician的博客
05-30 6907
GGNN SRGNN是GGNN在推荐系统上的应用，核心网络几乎没有改变。GGNN的核心模型其实非常简单，在计算上和GRU基本没有区别。但为了更好的理解ava_vav​是如何构造出来的，我们还得从最基本的思想讲起。 信息传播 绝大多数GNN的思想在于消息传播(Message Passing)或者说信念传播(Belief Propagation)。很自然的，我们知道一个节点的信息可以根据其邻居节点信息进行更新。 初代GNN 2009年最早的GNN论文1将这个过程抽象为 xn=fw(ln,lco[n],xne
DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting
最新发布
qq_44219784的博客
03-04 136
由于道路网络的复杂时空依赖性，导致获得高准确度的交通预测难。所以这篇文章提出了DSTAGNN解决这些问题。1.由于历史数据携带道路网络的内在动态信息，利用动态感知图取代卷积中的预定义图2.构建新图神经网络，包括利用改进的多头注意力机制标识节点之间的相关性；利用多尺度门控卷积实现从多感受野特征获得大范围（wide range of dynamic temporal dependency）的动态时间依赖。
推荐系统 - SR GNN架构详解（包含图神经网络GNN和门控图神经网络GGNN的介绍）
热门推荐
马飞飞的博客
08-18 1万+
说明 1.SR-GNN是中科院提出的一种基于会话序列建模的推荐系统，这里所谓的会话是指用户的交互过程（每个会话表示一次用户行为和对应的服务，所以每个用户记录都会构建成一张图），这里说的会话序列应该是专门表示一个用户过往一段时间的交互序列。基于会话的推荐是现在比较常用的一种推荐方式，比较常用的会话推荐包括循环神经网络、马尔科夫链。但是这些常用的会话推荐方式有以下的两个缺点： ...
SIGIR 2020 TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation
qq_44015059的博客
02-19 1104
前言 目前已经有很多方法通过将会话建模为序列或图来完成对会话的嵌入，进而对 next-item 进行预测。这些方法将会话压缩为一个固定的表示向量，而不考虑要预测的目标项。之前的大多数方法的出发点就是通过对会话进行嵌入，期望能够捕获到用户意图信息完成对未来可能产生交互物品的预测。 本文的作者认为由于目标物品的多样性和用户的兴趣，固定的向量会限制推荐模型的表示能力。因此在本文中提出了一种新的目标注意图神经网络( TAGNN )模型用于基于会话的推荐。在TAGNN中，目标感知注意自适应地激活了用户对不同目标物品的
TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation论文阅读笔记
Andre_Jan的博客
04-24 335
考虑到目标项目的多样性和用户的兴趣，固定向量会限制推荐模型的表示能力。 - 提出了一种新的目标注意力图神经网络 (TAGNN) 模型，用于基于会话的推荐。 - 在 TAGNN 中，目标感知注意力自适应地激活不同用户对不同目标项目的兴趣。 - 学习到的兴趣表示向量随着目标项目的不同而变化，极大地提高了模型的表达能力。 - TAGNN 利用图神经网络来捕获会话中丰富的项目转换
论文《TAGNN: Target Atentive Graph Neural Networks for Session-based Recommendation》阅读
wzj1212123的博客
12-31 400
论文《TAGNN: Target Atentive Graph Neural Networks for Session-based Recommendation》阅读论文概况IntroductionMethodA.Constructing Session GraphsB.Learning Item Embeddings on Session GraphsC.Constructing Target-Aware EmbeddingD.Generating Session EmbeddingsE.Making R
TAGNN代码解读
NLP与推荐算法
11-01 1895
hi各位大佬好，上一篇博文看了下paper，也没啥子，自己写又写不出，哈哈 For Video Recommendation in Deep learning QQ Group 277356808 视频推荐深度学习加这个群 For Visual in deep learning QQ Group629530787 视觉深度学习加这个，别加错 I'm here waiting for you 别加那么多，没必要，另外，不接受这个网页的私聊/私信！！！ 刚开始就报错了，啊啊啊啊啊啊啊啊啊啊啊啊啊.
GCE-GNN论文解读及代码
NLP与推荐算法
11-08 4286
hi本文是gnn系列的延续，前面可参考，TAGNN，SRGNN，LightGCN，根据论文数据比较，GCE-GNN要比TAGNN的效果好很多，如下是同一数据同一指标的对比，可见一斑。考虑到TAGNN并没有比SRGNN高很多，本菜鸟打算放弃TAGNN了，舍得。 For Video Recommendation in Deep learning QQ Group 277356808 For Visual in deep learning QQ Group629530787 I'm here wait.
SR-GNN中文翻译 Session-based Recommendation with Graph Neural Networks
weixin_45361800的博客
09-06 321
SR-GNN中文翻译
推荐模型-序列推荐-2019：SRGNN
u013250861的博客
11-28 64
推荐模型-序列推荐-2019：SRGNN。
SR-GNN论文解读(AAAI2019)
yfreedomliTHU的博客
06-08 6201
Session-based Recommendation with Graph Neural Networks(SR-GNN) 1.引言 基于会话的推荐系统旨在通过匿名的会话来预测用户行为。但是传统基于序列的推荐算法并不能获取items间的复杂的转移关系，因此本文提出了基于GNN的方法。 2.相关工作 • 传统的推荐算法 • 基于深度学习的方法 • 图神经网络(GNN) 3.方法介绍 SR-GNN...
SRGNN番外篇——我的死磕笔记
NLP与推荐算法
11-13 1260
hi，最初的版本我是用的debias中的，然而这样推理速度有点慢，尽管采用了加速的办法，但仍旧很慢。同时我尝试了官方版本，飞桨版本，然而前者更慢，后者无暴露API，直白的说，达不到推荐的目的（即如何给用户推items列表）。前些日子采用NeuRec做了下GCN，尽管需要改动细微之处，但好歹可以用了。于是乎，也试试SRGNN吧，主要是当前阶段GPU匮乏，GPU严重缺乏，这是目前生产力发展的极大障碍。本文依旧粉丝可见。 For Video Recommendation in Deep learning QQ
【序列召回推荐】(task3)GNN召回之SR-GNN
发现问题，并解决问题，批判性思维
11-20 902
- 关于图深度学习算法的简单回顾： - 一开始是经典的word2vec（以skip-gram为例，先取周围词随机初始化的embedding，进行平均池化后与中心词embedding进行点积）通过周围词预测中心词（多分类任务），不断迭代得到每个词embedding； - deepwalk随机游走生成节点序列，然后还是用w2v生成embedding；而Node2vec仅是多了控制游走方向的参数； - GCN：基础公式为$\boldsymbol{H}^{l+1}=\sigma\left(\
手把手教你读推荐论文-SR-GNN
m0_63642362的博客
11-13 345
SR-GNN论文解读以及使用paddle复现SR-GNN
tf2分布式训练及SRGNN提高指标的实践
NLP与推荐算法
07-05 231
hi各位大佬好，之前有tf-NCF版本的多GPU训练，但是和MNIST一样，都是全都是keras版本的，而在实际中很少有能直接用keras来实现的，我也希望那些开源的大佬把代码全部换成keras，ra
SRGNN分布式训练的细节问题
NLP与推荐算法
06-20 350
hi各位大佬好，之前的SRGNN已经完全转成了tf2，但是最终带来的是，训练时间长了，而且效果并没有之前的好，这就很郁闷了，WOC。 数据分发开始，SRGNN数据分发，yield用法，
SRGNN数据的分发
NLP与推荐算法
05-31 340
哈喽，各位大佬好，我是菜鸟小明哥。鉴于上一篇博文已经说明一般数据的分发，而在实际中数据的分发并没有那么简单，尤其是在推荐中，样本数据的多样性（不定长，多变量，多类型dtype）给数据分发带来了很大的麻烦，因此本文将进一步探讨，作为一般的方法论。 For Recommendation in Deep learning QQ Group 102948747 For Visual in deep learning QQ Group629530787 Wanna have a date with someo.
再读SRGNN论文之GRU与RNN和LSTM
NLP与推荐算法
01-03 2026
hi主要是没太多时间用来思考，所以很多东西都不是太清楚，只会装逼，这样不好，要从理论/代码上理解到底说的是什么事情，这是科学问题：是什么和为什么？作为搬砖工还是有必要深入了解，不然真的只能搬砖了。可在我的主页搜索相关博文，不再挨个附上。【面试明明是技术面，却总是在问科学的问题，这很扯淡】 For Recommendation in Deep learning QQ Group 102948747 For Visual in deep learning QQ Group629530787 I'm he.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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

打赏作者

小李飞刀李寻欢

您的欣赏将是我奋斗路上的动力！

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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、C币套餐、付费专栏及课程。

余额充值