2021-KDD-MixGCF: An Improved Training Method for Graph Neural Network-based Recommender Systems

最新推荐文章于 2022-04-18 20:31:55 发布
最新推荐文章于 2022-04-18 20:31:55 发布
阅读量353 收藏
点赞数 1
分类专栏： 推荐系统 文章标签： 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_38119106/article/details/123649440
版权

MixGCF: An Improved Training Method for Graph Neural
Network-based Recommender Systems

2021-KDD 清华唐杰老师

利用u-i图结构和GNN的聚合过程来研究GNN-CF中的负采样。提出了MixGCF，设计了hop mix技术来合成hard负样本。
在这里插入图片描述

3 THE MIXGCF METHOD

在这里插入图片描述

  • positive mixing：插值混合法，将正样本中的信息注入到负样本，make hard 负样本
  • hop mixing：使用hard负样本策略提取 unique information 从每一个生成的负样本，然后pooling
3
最低0.47元/天 解锁文章
Dive_
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
GNN 2021(七) GraphMix: Improved Training of GNNs for Semi-Supervised Learning，AAAI
qq_36618444的博客
04-21 976
其实本文就是与ICLR19年发表的一篇论文Manifold Mixup做了一个结合，利用Manifold Mixup提出了一种基于半监督节点分类的图神经网络正则化方法，通过参数共享和基于插值的正则化，与图神经网络共同训练全连接网络。最主要的难点在于从理论上分析了GraphMix如何改进底层图神经网络的泛化边界，而没有对图神经网络的聚合层数或深度做任何假设。本文的方法也可以与一些基线模型相结合，比如GCN，GAT，Graph-U-Net等。为了简化我们暂时不看大量的公式证明，直接看Mixup数据增强的思想如.
MixGCF: 一种改进的基于图神经网络的推荐系统训练方法 （KDD 21）
weixin_50180730的博客
07-05 1278
核心问题： 基于gnn的CF中的负采样在很大程度上尚未被探索，利用用户-项目图结构和gnn的聚合过程来研究负抽样，我们不是从数据中取样原始负样本，而是采用一种hop mixing技术对原始负样本进行处理，然后还是会利用聚合过程获得多层信息，最终来合成得到可靠的新负样本，使其与正样本更加相似，以达到更好的训练区别正负样本边界的效果 具体实现： 具体来说， 整体实现框架是： 首先我们是可以拥有原始的负样本（即未被观察到的items都可以被看作负样本且一般方法都是随机抽样得到负样本）本文通过mixin.
MixGCF: An Improved Training Method for Graph NeuralNetwork-based Recommender Systems（个人笔记）
qq_29717841的博客
04-18 869
论文：MixGCF：一种改进的基于图神经网络的推荐系统训练方法（KDD.2021） 文章链接：MixGCF | Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining 代码链接：https://github.com/huangtinglin/MixGCF （Pytorch版） 1. 前言 1.1 提出的问题 a. 推荐模型中广泛使用的 CF 存在的一大弊端就是不能很好的学习到隐式负
[sampling] MixGCF: An Improved Training Method for Graph Neural Network-based Recommender Systems
07-05 1061
Info： 本文首发于公众号：code路漫漫 欢迎关注 KDD2021采样相关的文章 代码已经开源： huangtinglin/MixGCF ​ github.com 图标 文章提出了一种新的采样方法，使用该方法生成的负样本能让推荐效果更好 这里从文章里面补充一下推荐系统采样相关的知识： 首先数据集是implicit dataset，只有交互记录，没有交互的评分、评论等反映偏好等信息。在该数据集中，所有交互过的行为统一视为正样本，没有发生过交互的物品（往往很多）可以采样出一部分作为负样本。 和正样本相似的负
图神经网络用于推荐系统问题（SURGE，GMCF，TASRec，MixGCF）
nakaizura
11-25 4703
本篇文章继续整理这个系列Graph in Rec 的文章，以前博主整理过的系列可以见： 图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN） 图神经网络用于推荐系统问题（NGCF，LightGCN） 图神经网络用于推荐系统问题（IMP-GCN，LR-GCN） 这次更新最近SIGIR2021，博主自己刷过觉得还不错的几篇文章。分搜索和推荐两篇博文整理吧，这篇是关于推荐的三篇文章。 图神经网络用于检索问题（GraphCM，FNPS，GRAPH4DIV） Sequential Recom
Paperlist-for-Recommender-Systems:我感兴趣的推荐系统论文清单
05-24
应用和性能：一项调查[2018] 带有内容信息的推荐系统基于审查的方法用于文档上下文感知推荐的卷积矩阵分解[RecSys 2016] 使用评论进行推荐的用户和项目联合深度建模[WSDM 2017] 推荐多指针共同注意网络[KDD 2018]...
kdd2021-tutorial:EconMLCausalML KDD 2021 教程
08-03
EconML 和 CausalML 的因果推理和机器学习实践：Microsoft、TripAdvisor、Uber 的工业用例日程时间上午4:00 - 7:00 AM 2021年8月15日 2021 年 8 月 14 日下午 4:00 - 晚上 7:00 时间 2021 年 8 月 14 日下午 1:00 - ...
2019-KDD-DEMO-Net Degree-specific Graph Neural Networks for Node
08-04
Node and Graph ClassificationGraph data widely exist in many high-impact applica
Anomaly-Detection-KDD99-CNNLSTM:使用机器学习和深度学习的入侵检测系统
03-11
异常检测-KDD99-CNNLSTM 这是一个使用三个模型开发的项目，用于对KDD99数据集上的倾斜数据包进行分类。 使用了三层：KNN，CNN + LSTM和随机森林分类器。 该项目是一个基于研究的项目，与单独使用任何给定模型相比，...
NSL-KDD_NSL-KDD_NSL-KDD数据集_测试集_
10-01
NSL-KDD的训练集和测试集，可用于入侵检测系统的设计
【GCN-RS】难负采样：MixGCF (KDD‘21)、Simplify and Robustify Negative Sampling (NIPS‘20)
chadlee
11-19 844
RS的Hard Negative与False Negative 负采样肯定是要采信息量大的Hard Negative样本，但是在RS场景中，unlabelled 样本并不等价于负样本，可能是还没有曝光给用户的样本。所以Hard Negative样本有可能是False Negative。所以过采样Hard Negative有可能引入False Negative。 Simplify and Robustify Negative Sampling for Implicit Collaborative Filter
KDD'21 | FaceBook ：基于图的负采样方法
Kaiyuan_sjtu的博客
11-11 691
MixGCF: An Improved Training Method for Graph Neural Network-based Recommender Systemshttps://...
Efficient and Effective: 百篇论文概览负采样方法的前世今生
abcdefg90876的博客
12-30 1001
Efficient and Effective: 百篇论文概览负采样方法的前世今生 © 作者｜徐澜玲研究方向｜推荐系统引言：负采样方法最初是被用于加速 Skip-Gram 模型的训练...
KDD2021推荐系统论文集锦
abcdefg90876的博客
07-01 1581
一年一度的知识发现与数据挖掘顶级会议SIGKDD将于8月14日至18日在线上举行。据统计，今年共有1541篇有效投稿，其中238篇论文被接收，接收率为15.44%，相比KDD2020的接收...
图神经网络，如何变深？
人工智能学家
08-18 1066
来源：智源社区版式制作：Camel撰文：侯振宇编辑：贾 伟现实世界中很多很多任务可以描述为图(Graph)问题，比如社交网络，蛋白质结构，交通路网数据，图是一个很值得研究的领域。近年来...
论文阅读:MIX: Multi-Channel Information Crossing for Text Matching(KDD2018)
RUCblake的博客
07-28 1395
今天同样读了一篇文本匹配相关的论文，提出了一个多通道信息融合的方法，文章提出这个模型的动机主要有以下几点： 1、在局部信息匹配过程中，为了考虑到单个词语匹配过程中存在的不准确性（比如文中提到的hard work\work hard以及all in\in all这两个词组，同样是颠倒了一下词序，前者语义相近，而后者语义完全不同，这说明匹配过程中不能仅以单个词语为单位），文中引入了unigram,b...
CVPR2020论文分方向整理之检测篇_3D目标检测（代码/论文解读/136篇打包下载）
热门推荐
胭脂草的ABC博客
08-06 1万+
CVPR2020论文分方向整理之检测篇（代码/论文解读/136篇打包下载） 本周三，CVPR官方正式开放下载，极市第一时间将所有论文（共1467篇）进行了下载打包，详情见此处。为了方便大家进一步的学习，我们对这1467篇论文进行了整理，本次分享的是所有检测类论文，并将它们细分为3D目标检测、人脸检测、动作检测、视频目标检测、文本检测、行人检测等方向，同时附上了相关解读和已开源论文的代码，共计149篇，并将其打包，获取方式见文末。 3D目标检测 【1】Learning Deep Network...
会话/序列推荐：Caser、SASRec、BERT4Rec [Session based / Sequential Recommendation]
Dive的博客
07-14 2359
目录Caser3 模型3.1 嵌入层3.2 卷积层3.3 全连接层3.4 训练3.6 与一些模型的关系 Caser 2018-WSDM-Personalized Top-N Sequential Recommendation via Convolutional Sequence Embedding 卷积序列推荐模型Caser，使用CNN从近期items序列中以局部特征的方式提取序列模式。 3 模型 为了捕获 用户的整体偏好和序列模式 联合级别和单独级别的i2i skip行为连接 3.1 嵌入层 use
NSL-KDD数据集下载
最新发布
04-13
NSL-KDD数据集是一个常用的网络入侵检测数据集，它是对原始KDD Cup 1999数据集进行了预处理和筛选而来的。NSL-KDD数据集包含了多种网络流量特征，用于训练和评估入侵检测系统的性能。 你可以通过以下步骤下载NSL-KDD数据集： 1. 访问NSL-KDD数据集的官方网站：http://nsl.cs.unb.ca/NSL-KDD/ 2. 在网站上找到并点击下载链接，你可以选择下载完整的NSL-KDD数据集或者只下载其中的训练集和测试集。 3. 根据你的需求选择下载完整数据集或者部分数据集，并等待下载完成。 请注意，由于NSL-KDD数据集是用于研究和评估入侵检测系统的，因此在使用该数据集时需要遵守相关的法律和道德规范，确保数据的合法使用。

“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