【论文笔记】KG+GCN+RS

Knowledge Graph Convolutional Networks for Recommender Systems

论文地址
仅做学习草稿。欢迎交流
目的:计算得到 y ^ u , v \hat y_{u,v} y^u,v,即推荐概率

符号定义符合常规

方法

KGCN Layer

计算得到关系r对u的重要程度

在这里插入图片描述

进一步表示v的拓扑邻近结构

在这里插入图片描述

上述的用户关系分数在计算实体邻居表示时作为个性化过滤器。

由于实体数量级大,采样的邻居为固定大小而不是全部邻居。感受野的计算

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

为了提高计算效率,在训练时采用负采样,损失函数如下

为了提高计算效率,在训练时采用负采样,损失函数如下

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

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