![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GRL
文章平均质量分 73
qq_38420683
这个作者很懒,什么都没留下…
展开
-
【论文笔记】www18 Pixie: A System for Recommending 3+ Billion Items to 200+ Million Users in Real-Time
1.overview这是pinterest推荐系统的第二部分。这也是pinsage中随机游走的原型。一个基于随机游走的召回方案,这里的图不是协同过滤中的物品-用户交互图,而是pin和board之间的关联图。pin是指图片,board可理解为收藏夹,详细背景见pinsage。该论文解决的几个问题:大规模:单机可放下,易并行,易扩展实时更新:没有预计算,随机游走时early stop,且运行时间与图规模无关。原创 2021-11-19 22:49:32 · 1009 阅读 · 0 评论 -
【论文笔记】KDD18 PinSage A new graph convolutional neural network for web-scale recommender systems
overview论文地址,含oral视频Pinterest官方的博客pinsage又是Jure Leskovec组的一篇有影响力的工作,该工作被认为是第一个用于工业界GNN推荐系统。该论文学术上的创新较少,模型基本都来源于GraphSage 和Pixie这两篇。目前pinSage只有DGL官方的一个实现版本。核心的模型是基于随机游走采样的graphSage。背景pinterest是一个图片网站,这里将 业务简单进行抽象,pin是图像,board是收藏夹,是pin的集合,由pin和board构成了原创 2021-11-15 21:08:39 · 2606 阅读 · 0 评论 -
【论文笔记】-mlsys-IMPROVING THE ACCURACY, SCALABILITY, AND PERFORMANCE OF GRAPH NEURAL NETWORKS WITH ROC
论文地址作者主页key idea解决了两个问题图划分问题:利用在线学习解决内存管理问题:利用动态规划解决ROC是个分布式多GPU的大规模图的GNN快速训练和推断的框架,能够在多个计算节点上训练全图研究现状传统CNN中,数据集可能很大,但单个数据如单张图片大小却比较小。通过对样本集的划分可以实现并行,即划分后,单个样本依然在同一个GPU的内存中。但GNN的数据样本为图,尤其在大图情况下,很难将一张图全部放入内存中。对于GNN,必须将数据样本(图)进行划分,进行分布式的情况下进行处理。为原创 2020-09-07 08:59:25 · 667 阅读 · 0 评论 -
GNN论文- Design Space for Graph Neural Networks
overview论文地址论文中要解决三个问题GNN架构的设计空间,包括层内设计,层间设计,和训练配置GNN的任务相关的设计。对于新任务如何设计,识别新任务与哪些任务是相似的,已更好的进行迁移GNN评价。提出一种搜索方法来更快的找到最优...原创 2021-04-02 16:29:50 · 580 阅读 · 1 评论 -
GCN源码阅读-Pytorch
前期准备项目地址该项目是基于pytorch的,整个项目的目录结构如下,主要关注的是data和pygcn两个文件夹下的。data是已经处理好的数据,pygcn是代码部分。通过tree /F 可以坐在windows下获得递归的文件树│ .gitignore│ figure.png│ LICENCE│ README.md│ setup.py│├─data│ └─cora│ cora.cites│ cora.content│原创 2021-03-27 12:33:29 · 482 阅读 · 6 评论 -
Graph Representation Learning 笔记 Ch1&Ch2
Graph Representation Learning中第一、二章的阅读笔记,介绍了图的基本信息、图机器学习的基本任务和图中的特征工程。原创 2021-02-24 23:51:33 · 1486 阅读 · 4 评论