![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 65
天上掉下来个程小白
专业程-小-白
展开
-
对GNN(图神经网络)的初步了解
一、为什么需要图神经网络?随着机器学习、深度学习的发展,语音、图像、自然语言处理逐渐取得了很大的突破,然而语音、图像、文本都是很简单的序列或者网格数据,是很结构化的数据,深度学习很善于处理该种类型的数据(图1)。然而现实世界中并不是所有的事物都可以表示成一个序列或者一个网格,例如社交网络、知识图谱、复杂的文件系统等(图2),也就是说很多事物都是非结构化的相比于简单的文本和图像,这种网络类型的非结构化的数据非常复杂,处理它的难点包括:图的大小是任意的,图的拓扑结构复杂,没有像图像一样的原创 2022-04-29 10:22:51 · 898 阅读 · 0 评论 -
BP神经网络
1.概念: BP(back propagation)即为反向传播,意为反向传播神经网络。原创 2022-04-25 10:23:42 · 44406 阅读 · 5 评论 -
同构图与异构图
1.同构图:节点类型和边的类型只有一种的图。2.异构图:节点类型+边类型>2 的图。话不多说,直接上图:原创 2022-04-24 20:34:34 · 3211 阅读 · 0 评论 -
推荐系统经典算法之——MF(矩阵分解)
1.来源矩阵分解算法(MF)是为了解决协同过滤算法(CF)在以下两点上的不足而提出的。CF处理稀疏矩阵的能力弱。CF中相似度矩阵的维护难度大。e.g. user矩阵为mm,item矩阵为nn,当m与n很大时,维护起来难度大2.解决张三,李四,王五分别对音乐A,B,C进行了打分,其中标红的为应用MF预测的分数,根据线代知识我们可以知道,只要知道了图1 矩阵A和图2 矩阵B两个矩阵,便可以得到图3 矩阵C矩阵。因此,MF的目的便是学习得到前两个矩阵。在矩阵A、B、C中,小清新等原创 2022-04-24 16:12:17 · 5742 阅读 · 0 评论