PinSage：首次在商业推荐系统成功应用的GCN模型实现分析

最新推荐文章于 2023-10-17 15:02:31 发布
最新推荐文章于 2023-10-17 15:02:31 发布
阅读量943 收藏 5
点赞数 1
分类专栏： python 学习 文章标签： 神经网络 深度学习 机器学习
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/jakpopc/article/details/107247925
版权

关注微信公众号【七步编程】，专注Python、AI、大数据，原创文章第一时间推送！

之前有过两篇文章分别介绍了GCN模型PinSage和图神经网络框架DGL，本文就利用DGL来逐步实现PinSage模型，让熟悉DGL的使用过程中加深对PinSage的理解。

前言

上次的帖子分析了DGL这个框架，最后的地方提到DGL给出的示例中并不是所有的模型都是用消息传递的方式来编写的，比如著名的推荐模型PinSage，正巧这个模型在去年的帖子中也有过介绍（可见我这个人有多么拖沓，早就应该介绍模型实现，竟然拖了一年），PinSage并没有官方开源代码，所以这次就介绍一下DGL的实现方式，也给其他小伙伴一些启示吧。

如果对PinSage模型不太熟悉的，可以查看之前的一篇文章：PinSage：GCN在商业推荐系统首次成功应用

PinSage

首先模型在DGL项目的位置是：examples/pytorch/recommendation。模型是基于movielens数据集（https://grouplens.org/datasets/movielens/）实现的，数据中包含用户id，电影id，电影名字，时间戳，用户对电影评分等。DGL将数据集中用户和电影看作两种类型的节点，评分做为边，构成了用户和电影之间的二分图。大家都知道，在图神经网路中，节点的初始特征是十分重要的，而DG

最低0.47元/天 解锁文章
七步编程
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
gcn代码pytorch_PinSage：首次在商业推荐系统成功应用的GCN模型实现分析
weixin_31458015的博客
01-23 415
之前有过两篇文章分别介绍了GCN模型PinSage和图神经网络框架DGL，本文就利用DGL来逐步实现PinSage模型，让熟悉DGL的使用过程中加深对PinSage的理解。前言上次的帖子分析了DGL这个框架，最后的地方提到DGL给出的示例中并不是所有的模型都是用消息传递的方式来编写的，比如著名的推荐模型PinSage，正巧这个模型在去年的帖子中也有过介绍（可见我这个人有多么拖沓，早就应该介绍模型实...
【GNN】PinSAGE：GCN 在工业级推荐系统中的应用
阿泽的学习笔记
06-09 2651
今天学习的是 Pinterest 和斯坦福大学 2018 年合作的论文《Graph Convolutional Neural Networks for Web-Scale Recommender Systems》，目前有 200 多次引用。 论文中提出的 PinSAGE 结合了随机游走和 GCN 来生成节点的 Embedding 向量。同时考虑了图结构和节点的特征信息。此外，PinSAGE 也设计了一种新颖的训练策略，该策略可以提高模型的鲁棒性并加快模型的收敛。 这篇论文是 GraphSAGE 一次成功的应
PinSAGE有伴了! 快速了解PinnerSAGE模型
Kaiyuan_sjtu的博客
06-03 1056
今天讲解的论文是KDD2020的论文《PinnerSage: Multi-Modal User Embedding Framework for Recommendations at Pin...
[PinSage] Graph Convolutional Neural Networks for Web-Scale Recommender Systems 论文详解KDD2018
知行合一，止于至善
09-18 4945
文章目录摘要1 简介1.1 背景介绍1.2 推荐系统评测指标2 相关研究3 方法3.1 Problem Setup3.2 Model ArchitectureForward propagation algorithmImportance-based neighborhoodStacking convolutions 堆叠卷积层3.3 Model Training 模型训练Loss function...
【PinSage】Graph convolutional neural networks for web-scale recommender systems【论文精读】
weixin_46351593的博客
10-17 544
总的来说，这篇论文是在2017年提出的GraphSAGE基础上的一个延伸，将其采样方式进行改变，并在工业级的数据上进行部署。能完成这样一份工业级数据上进行推荐的任务是不容易的。在dgl的库中也有这个算法的一个demo，但是与本文的一些方法会有差异，我想大概是因为dgl库中要到的数据集（ml-1m）无法达到Pinterest那样的量级，所以我觉得使用了PinSage也不一定会比传统的GCN效果要好。但通过代码也可以更好的理解这个模型。这也是我的一次论文分享，如果问题请指正。
图神经网络——【KDD 2018】PinSage
05-14 682
可以先参阅。本文将基于GraphSAGE来讲讲PinSage。
diel-data数据集，用来实验与验证GCN模型的，推荐算法中的GCN模型，当然也是最初的分类模型
06-22
GCN是一种在图结构数据上进行学习的深度学习模型，最初被广泛应用于图分类任务，后来逐渐在推荐系统中崭露头角。本文将深入探讨`diel-data`数据集的特点、GCN模型的工作原理以及它们如何相互配合解决推荐算法和分类...
在Cora和Citeseer数据集上使用GCN网络实现节点分类
04-06
图卷积神经网络（Graph Convolutional Networks, GCN）是一种在图结构数据上进行深度学习的方法，由Kipf和Welling于2016年提出。它将传统卷积神经网络的思想拓展到非欧几里得结构，特别是在处理复杂网络如社交网络、...
在Cora和Citeseer数据集上使用GCN网络实现链路预测
04-06
本项目专注于使用图卷积神经网络（GCN）在Cora和Citeseer数据集上执行链路预测。Cora和Citeseer是两个广泛使用的学术文献网络数据集，它们包含了节点（论文）和边（引用关系），非常适合用于图结构数据的分析和预测...
GCN_linkprediction:在pytorch上使用GCN进行链接预测
04-09
为了完成此项目，在pytorch上使用了Kipf的通用GCN模型。 专利在移动支付行业中爬行。 框架 在Google专利高级搜索中搜索“移动支付”，并获取专利号。 使用1）中的专利号来检索所有专利。 创建邻接矩阵和特征矩阵 ...
基于python使用基于自注意力池化机制结合GCN模型实现图分类
最新发布
04-22
基于图的分类模型可以应用于社交网络分析（识别社区、预测用户行为）、化学分子结构分析（药物发现、物质性质预测）、蛋白质结构分析、推荐系统等领域。 综上所述，"基于python使用基于自注意力池化机制结合GCN...
【论文解读 KDD 2018 | PinSage】Graph Convolutional Neural Networks for Web-Scale Recommender Systems
byn12345的博客
04-27 4679
论文链接：https://arxiv.org/abs/1806.01973 论文来源：KDD 2018 斯坦福大学, Pinterest 关键词：GCN，推荐系统，web-scale，PinSage 本文在GraphSAGE基础上进行改进（去掉了需要将整张图存储到内存中的限制），提出PinSage模型，成功在Pinterest的推荐系统上得到了应用，第一个将图卷积（GCN）在超大规模数据...
在工业界落地的PinSAGE图卷积算法原理及源码学习（二）采样
IntegerList的博客
04-14 523
这一部分是PinSAGE算法最重要的一块，主要包括正负样本采样，PinSAGE采样
《LR_GCCF》推荐系统模型解读
qq_43431934的博客
04-01 3510
《LR_GCCF》 1.基于GCN推荐模型的问题： 1. 基于GCN的推荐模型带有非线性激活函数，所以在large user-item graphs中的模型训练起来非常困难。 2. 由于图卷积运算的过度平滑效应都不能太深，大多数基于GCN的模型无法对更深层次进行建模。 2.本文的优化： 1. 证明了去除非线性会提高推荐性能，在每一层的特征传播的时候，是使用简单的特征传播而不是非线性变换 2. 提出了一种残差网络结构，该结构是专门为CF设计的，具有用户项交互建模功能，可以缓解稀疏用户项交互数据..
在工业界落地的PinSAGE图卷积算法原理及源码学习（三）数据加载及PinSAGE模型的定义与训练
IntegerList的博客
04-15 345
在之前的两篇文章中，我们介绍了数据处理及图的定义，采样，这篇文章是该系列的最后一篇文章——介绍数据加载及PinSAGE模型的定义与训练
第五周.01.PinSage论文带读.直播
老毛的博客
07-06 454
论文带读 Graph Convolutional Neural Networks for Web-Scale Recommender Systems PinSage模型，主要用于大型推荐系统中。 一些基础概念要了解： 召回 A/B test harder-and-harder training examples
在工业界落地的PinSAGE图卷积算法原理及源码学习（一）数据处理及图的定义
IntegerList的博客
04-14 565
结合图深度学习框架DG学习在工业落地的图深度学习推荐算法PinSAGE，本篇主要是数据处理部分。
图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN）
热门推荐
nakaizura
05-29 1万+
Session-based Recommendation with Graph Neural Networks 会话序列推荐的图应用，发自AAAI 2019，先放链接： blog：https://sxkdz.github.io/research/SR-GNN/ paper：https://arxiv.org/abs/1811.00855 code：https://github.com/CRIPAC-DIG/SR-GNN 会话推荐是指，对于一个用户的点击序列（即session），预测下一个要点击的物品。即输.
GraphSage&PinSage简介
weixin_43547135的博客
11-22 384
简要介绍GNN、GCN基本概念以及GraphSage、PinSage的采样方法
6-6+Angel图神经网络在推荐场景的实践.pdf
03-18
"该资源是腾讯大数据高级算法工程师孙瑞鸿关于Angel图神经网络在推荐场景实践的分享，涵盖了背景介绍、图神经网络的基本概念、Angel图神经网络框架以及在推荐系统中的具体应用案例。" 在当今信息化社会，数据呈现出...

“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
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