- 博客(20)
- 收藏
- 关注
RSS订阅
原创 MySQL查询优化问题
comNo 为必填。给comNo加索引的情况下，执行这个查询语句用时34s。加了索引，用时大概60ms。但如果detailName不为空，则索引失效。暂存数据大概有500w条，在不删数据的情况下，如何提高该联表查询的速度。
2024-01-07 12:07:57
364
原创 基于异构信息网络的元学习冷启动推荐
阅读笔记原文章：Meta-learning on Heterogeneous Information Networks for Cold-start Recommendation 动机：由于新用户或新item的user-item交互较少，冷启动推荐一直是一个具有挑战性的问题。现有的努力在一定程度上缓解了冷启动问题，但大多是在数据层面解决问题。早期的方法经常将辅助数据作为用户或item特征，而最近的方法利用异构信息网络(HIN)，通过高阶图结构来捕获更丰富的语义。另一方面，最近的元学习范式揭示了在模型水
2022-03-04 00:07:45
1176
原创 知识图谱学习解决推荐中的冷启动问题
【阅读笔记】希望这篇我能认认真真写完整！！！文章：MetaKG：Meta-learning on Knowledge Graph for Cold-start Recommendation 动机：现有的基于KG的推荐方法针对KG中隐藏的长连接用户-项交互的高阶关系/依赖进行建模。然而，它们大多数都忽略了推荐分析的冷启动问题(即用户冷启动和项目冷启动)，这限制了它们在涉及新用户或新项目的场景下的性能。基于元学习在稀缺训练样本上的成功，作者提出了一个新的基于元学习的框架MetaKG，该框架包含一个协作意
2022-02-22 17:26:22
1976
2
原创 基于知识图的可解释推荐的层次注意图卷积网络
【阅读笔记】准备认认真真写一篇完整的笔记！！！会是这一篇吗？？？期刊KBS的文章：HAGERec: Hierarchical Attention Graph Convolutional Network Incorporating Knowledge Graph for Explainable Recommendation动机：基于GCN的推荐大多数关注同构图或用户-物品相似图，未能充分利用异构只是图中实体间复杂而丰富的语义。这篇文章：HAGERec，从异构知识图的高阶连通性结构中探索用户的潜在偏好
2022-02-21 14:51:43
931
原创 推荐知识图上的强化负抽样
阅读笔记文章：Reinforced Negative Sampling over Knowledge Graph for Recommendation动机：目前的研究大多是从未观测数据中进行负采样，为推荐模型的训练提供负信号。然而，现有的负样本策略，无论是静态的还是自适应的，都不足以产生高质量的负样本，既能提供模型训练的信息，又能反映用户的真实需求。静态采样：使用固定的分布从缺失数据中采样。主要的限制是它独立于模型的状态，容易采样出低质量的负样本。自适应采样：主要采样hard negatives。
2022-02-19 00:57:32
1330
原创 统一知识图学习和推荐:更好地理解用户偏好
文章：Unifying Knowledge Graph Learning and Recommendation: Towards a Better Understanding of User Preferences 动机：KG纳入推荐系统时，考虑其不完全性是至关重要。为了共同学习推荐模型和知识图谱补全，将关系信息以KG的形式传递，以了解用户喜欢某件商品的原因。用户喜欢电影Future 和Future 2，可能是因为喜欢导演Robert的电影。由于缺失三元组（Robert Zemeckis, isDi
2022-02-17 17:23:58
895
原创 使用知识图进行推荐互动背后的学习意图
阅读笔记文章： Learning Intents behind Interactions with Knowledge Graph for Recommendation动机：最近的一个技术趋势是开发基于图神经网络(gnn)的端到端模型。然而，现有的基于gnn的模型在关系建模中是粗粒度的，(1)未能从细粒度的意图中识别用户-项目关系，并且(2)未能利用关系依赖来保持远程连接的语义。在本研究中，我们利用辅助物品的知识来探讨用户物品交互背后的意图，并提出一个新的模型——基于知识图的意图网络(KGIN)
2022-02-16 17:11:51
436
原创 基于注意力增强知识感知的用户推荐偏好模型
笔记整理文章AKUPM: Attention-Enhanced Knowledge-Aware User Preference Model for Recommendation笔记很简陋。原文链接自己谷歌一下吧！懒得帖了动机：推荐的结果可能受大量无关实体的影响，为了解决这个问题，探索实体之间的关系。实体之间的交互可以分为：实体间交互（实体表示用户时的重要性）、实体内交互（实体在不同关系下的不同特征）。策略：1，利用自我注意网络，通过学习每个实体对用户的适当重要性来捕获实体间交互。2，通过将
2022-02-13 23:58:25
926
翻译 基于联合非抽样学习的知识图增强推荐
论文题目：Jointly Non-Sampling Learning for Knowledge Graph Enhanced Recommendation摘要Knowledge graph (KG) contains well-structured external information and has shown to be effective for high-quality recommendation. However, existing KG enhanced recommendati
2022-02-05 18:08:48
476
翻译 Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation
2021-12-17 20:47:02
1849
翻译 Adaptive Propagation Graph Convolutional Network
文章链接有道翻译的也是用了第一人称。如果有错，一定是你对。题目：Adaptive Propagation Graph Convolutional Network自适应传播图卷积网络摘要：图卷积网络(GCNs)是一类神经网络模型，通过交叉顶点操作和跨节点的消息传递交换对图数据进行推理。关于后者，出现了两个关键问题:1)如何设计一个可微交换协议(例如，原始GCN中的一跳拉普拉斯平滑)，2)如何在复杂性上描述相对于本地更新的权衡。在本文中，我们展示了最先进的结果可以通过在每个节点上独立地调整通信步数来实
2021-12-01 10:33:46
951
翻译 Class-Variant Margin Normalized Softmax Loss for Deep Face Recognition
题目：Class-Variant Margin Normalized Softmax Loss for Deep Face Recognition深度人脸识别的class-variant Normalize Softmax损失 （CVM归一化softmax损失）。摘要：在深度人脸识别中，常用的softmax损失算法及其新提出的变异算法在提取判别特征的同时，还不能有效地处理训练过程中的类不平衡和softmax饱和问题。在本文中，为了解决这两个问题，我们提出了一种class-variant margin(
2021-11-30 10:37:11
482
原创 EFFICIENT PROBABILISTIC LOGIC REASONING WITH GRAPH NEURAL NETWORKS
EFFICIENT PROBABILISTIC LOGIC REASONING WITH GRAPH NEURAL NETWORKS（使用神经网络进行有效的概率逻辑推理）原文连接介绍：由于知识图谱存在不正确、不完整或者重复的数据，因此对知识图谱进行补全推理非常重要。文章使用了马尔科夫逻辑网络 Markov Logic Networks (MLNs)与图神经网络graph neural networks(GNNs)相结合进行基于知识图谱的变分推理，并且提出了GNN的变体，ExpressGNN。Exp
2021-03-06 10:25:30
1373
2
原创 conda9.0+py2.7+tensorflow1.8.0
参考博主 ，感谢！ 添加链接描述https://www.cnblogs.com/yourcool/p/10521955.html
2021-03-01 20:49:50
100
翻译 知识图谱推理--混合神经网络与分布式表示推理
Modeling Relational Data with Graph Convolutional Networks原文：Schlichtkrull M, Kipf TN, Bloem P, Berg RVD, Titov I, Welling M. Modeling relational data with graph convolutional networks. arXiv Preprint arXiv: 170306103, 2017.https://link.springer.com/chapte
2021-02-20 13:17:49
904
原创 linux ip地址配置问题（centOS）
如果clone一台操作系统，改完ip之后有ping不到的话可能是因为硬件地址没配好造成的，可以尝试一下下面的操作：命令查看ip地址：ifconfig -a看第一条信息，如果显示ens33就看ens33的mac地址，如果是eth1，就是eth1的mac，拷贝下来！！！在/etc/sysconfig/network-scripts/ifcfg-eth0中配置HWADDR=刚刚拷贝的mac地址在...
2020-05-05 12:41:15
163
原创 JAVA多线程并发
JAVA并发知识库JAVA线程实现/创建方式4种线程池线程生命周期终止线程4种方式sleep与wait区别start与run区别JAVA后台线程JAVA锁线程基本方法线程上下文切换同步锁与死锁线程池原理JAVA阻塞队列原理CyclicBarrier、CountDownLatch、Semaphore的用法volatile关键字的作用如何在两个线程之间共享数据...
2020-03-10 19:43:40
155
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人