论文解析:Neural Graph Collaborative Filtering

论文解析:Neural Graph Collaborative Filtering

  • 作者:Xiang Wang, Xiangnan He, Meng Wang, Fuli Feng, Tat-Seng Chua(新加坡国立大学)
  • 会议:SIGIR 2019

方法

Graph Convolutional Matrix Completion一样,Neural Graph Collaborative Filtering (NGCF)也是把推荐中的user-item交互关系建模为一个二分图。

信息传播

在信息传播的过程中,NGCF把item embedding和user-item交互embedding的权重做了区分,权重矩阵分别为 W 1 W_1 W1 W 2 W_2 W2
m u ← i = 1 ( ∣ N u ∣ ∣ N i ∣ ) ( W 1 e i + W 2 ( e i ⋅ e u ) ) m_{u\leftarrow i} = \frac{1}{\sqrt(|N_u||N_i|)} (W_1e_i + W_2(e_i \cdot e_u)) mui=( NuNi)1(W

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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