【论文笔记】KG+GCN+RS

最新推荐文章于 2022-05-31 18:18:00 发布

球球offer

最新推荐文章于 2022-05-31 18:18:00 发布

阅读量345

点赞数

分类专栏：知识图谱文章标签：知识图谱推荐系统

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/qq_37492509/article/details/115027261

版权

知识图谱专栏收录该内容

16 篇文章 8 订阅

订阅专栏

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 $\hat y_{u,v}$ ，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

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
【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的重要程度进一步表示v的拓扑邻近结构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。感受野的计算为了提高计算效率，在训练时采用负采样
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。