《Graph Contextualized Self-Attention Network for Session-based Recommendation》论文笔记

已于 2022-04-21 21:26:46 修改
阅读量541 收藏
点赞数
分类专栏： 论文学习笔记 文章标签： 神经网络
于 2022-04-21 21:25:45 首次发布
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/the_seventh_dog/article/details/124330065
版权

《基于图上下文自注意力网络的短序列推荐》论文笔记

论文笔记

本文是IJCAI2019的一篇论文。
先介绍下session-based recommendation （短序列推荐，SBR）根据匿名短序列预测用户的下一即刻行为。本文第一次把GNN和SAN结合起来用在SBR问题上，GNN用来获取局部上下文信息，SAN（自注意力网络用来获取全局item-item间的关系）。
下面将从四个方面对论文进行分析，大部分是图片+手写，如有问题，欢迎指教。

问题定义

组会ppt1

整体模型

模型包含三个部分，下面将会一一讲解：
组会ppt2

模型各部分说明

动态图结构

第一步：图的构造
组会ppt3
在这里插入图片描述
第二步：节点向量更新
组会ppt4

在这里插入图片描述

自注意力层

组会ppt5
在这里插入图片描述

预测层

在这里插入图片描述
在这里插入图片描述

实验和总结

在这里插入图片描述
经过数据处理后得到的数据特征如图所示：
在这里插入图片描述

回答第一个问题：模型性能如何？

接下来就是相关评价指标和相应的实验结果分析：
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

回答第二个问题：超参数如何影响模型性能

首先是GNN的影响：
在这里插入图片描述
其次是超参数ω和注意力块的影响：
在这里插入图片描述
再次是不同embedding size d的影响：
在这里插入图片描述
在这里插入图片描述

总结

在这里插入图片描述

【车流量预测论文】(2020)GMAN: A Graph Multi-Attention Network for Traffic Prediction-20201213
小苏打的学习博客
12-13 2520
GMAN:一种用于交通预测的图形多注意网络 GMAN: A Graph Multi-Attention Network for Traffic Prediction 论文参考代码Github：https://github.com/suu1994/GMAN 摘要 由于交通系统的复杂性和许多影响因素不断变化的性质，长期交通预测具有很大的挑战性。在本文中，我们关注时空因素，并提出一种图多注意网络(GMAN)预测道路网络图中不同位置的超前时间步长的交通状况。GMAN采用了一种编码器-解码器架构，其中编码器和解码器均
Contextualized Graph Attention Network for Recommendation with Item Knowledge Graph
qq_41621342的博客
05-20 1003
Contextualized Graph Attention Network for Recommendation with ItemKnowledge Graph Abstract 图神经网络(GNN)最近被应用于知识图谱辅助于推荐。 现有基于GNN的方法在KG中显式地建模实体与其局部图形上下文（一阶邻居集）之间的依赖关系，但可能无法有效地捕获其非局部图形上下文（即最相关的高阶邻居集）。本文提出了一种新的推荐框架，即Contextualized GraphAttentionNet work(CGAT)，它
Graph Contextualized Self-Attention Network for Session-based Recommendation
NSSWTT的博客
03-05 1091
Graph Contextualized Self-Attention Network for Session-based Recommendation 本篇论文主要是在讲图上下文自注意力网络做基于session的推荐，在不使用循环神经网络和卷积神经网络的情况下，自注意网络在各种序列建模任务中取得了显著的成功，然而SAN缺乏存在于相邻项目上的局部依赖性，并限制了其学习序列中上下文表示的能力。本文提出使用图上下文自注意网络模型，使用图神经网络和自注意力机制做推荐，每个session使用自注意力机制学习长期依赖
论文阅读《Graph Contextualized Self-Attention Network for Session-based Recommendation》
小白的学习路
07-12 4139
论文地址：https://www.ijcai.org/Proceedings/2019/0547.pdf Graph Contextualized Self-Attention Network for Session-based Recommendation 1.引言 在电子商务、音乐、社交媒体等许多应用领域，推荐系统在帮助用户缓解信息过载和选择感兴趣内容方面发挥着重要作用。现有的大部分推荐系统都是基于用户历史的互动。但是，在许多应用程序场景中，用户标识可能是未知的，并且在正在进行的会话中只有用户
论文《Graph Contextualized Self-Attention Network for Session-based Recommendation》阅读
wzj1212123的博客
01-03 1625
论文《Graph Contextualized Self-Attention Network for Session-based Recommendation》阅读论文概况IntroductionMethodA.Graph ConstructionB.Node Vectors UpdatingC.Self-Attention LayerD.Prediction Layer总结 论文概况 本文是2019年IJCAI上的一篇论文，该篇文章聚焦于使用GNN和自注意力网络来解决绘画推荐问题，提出了GCSAN（Gra
Session-based Recommendation with Graph Neural Networks
weixin_46125345的博客
09-24 763
Session-based Recommendation with Graph Neural Networks欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你
Collaborative Self-Attention Network for Session-based Recommendation (IJCAI-20
qq_39091546的博客
03-11 835
摘要 基于会话的推荐因其能够为匿名用户提供推荐而成为研究热点。但是，现有的基于会话的方法具有以下局限性：（1）它们要么缺乏学习复杂依赖性的能力，要么主要专注于当前会话，而没有明确考虑协作信息。 （2）他们假设商品的表示形式是静态的，并且在每个时间步中对所有用户都是固定的。我们认为，即使是同一项目，也可以在同一时间步骤为不同的用户以不同的方式表示。为此，我们提出了一种新颖的解决方案，用于基于会话的推荐的协作式自我关注网络（CoSAN），以学习会话表示并通过调查邻居会话来预测当前会话的意图。特别地，我们首先通过
Self-Attention Network for Skeleton-based Human Action Recognition
Lyp_student的博客
03-06 1738
文章目录摘要介绍文章模型概述：Self-Attention NetworkMuti-head attention:ApproachRaw Position and Motion DataPosition Data:Motion DataEncoderNon-Linear EncoderCNN Based Encoder1.卷积第一层：2.卷积第二层：3.permute4.卷积第三层+Max-poo...
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs, ICLR, 2020
Jing Sir的博客
04-07 2712
Hyper-SAGNN: a self-attention based graph neural network for hypergraphs, ICLR, 2020 Zhang R, Zou Y, Ma J. Hyper-SAGNN: a self-attention based graph neural network for hypergraphs[J]. arXiv preprint arXiv:1911.02613, 2019. 此篇论文所提出的方法首次将超图结构从k均衡扩展到了非均衡，即每
KGAT：Knowledge Graph Attention Network for Recommendation.pdf
08-09
Toprovidemoreaccurate,diverse,andexplainablerecommendation, it is compulsory to go beyond modeling user-item interactions andtakesideinformationintoaccount.Traditionalmethodslike factorizationmachine(FM)castitasasupervisedlearningproblem, whichassumeseachinteractionasanindependentinstancewith side information encoded. Due to the overlook of the relations amonginstancesoritems(e.g., thedirectorofamovieisalsoan actorofanothermovie),thesemethodsareinsufficienttodistillthe collaborativesignalfromthecollectivebehaviorsofusers.
论文《Session-based Recommendation with Graph Neural Networks》阅读
wzj1212123的博客
12-27 1007
论文《Session-based Recommendation with Graph Neural Networks》阅读论文概况IntroductionMethodA.Constructing Session GraphsB.Learning Item Embeddings on Session GraphsC.Generating Session EmbeddingsD.Making Recommendation and Model Training总结 论文概况 本文是2019年AAAI上的一篇论文，
基于记忆优先级的短序列推荐（Session-based Recommendation）
paper_reader的博客
09-27 8457
阅读更多，欢迎关注公众号：论文收割机（paper_reader） 原文链接：基于记忆优先级的短序列推荐 Liu Q, Zeng Y, Mokhosi R, et al. STAMP: Short-Term Attention/Memory Priority Model for Session-based Recommendation[C] Proceedings of the 24th AC...
36种序列召回模型综述
weixin_39586997的博客
06-29 1426
目前实现过的序列召回有： 1.MIMN； 2.topic2vec； 3.SR-GNN系列；
SIGIR2021推荐系统论文集锦
张小磊的博客
07-14 1720
嘿，记得给“机器学习与推荐算法”添加星标第44届国际信息检索研究和发展大会（SIGIR）将于2021年7月11-15日在线上举行（目前正在进行中）。此次大会共收到了720篇长文投稿，录用1...
图卷积网络、图神经网络必读论文
热门推荐
知行合一，止于至善
08-24 1万+
文章目录Content[Survey papers](#content)Models[Basic Models](#content)[Graph Types](#content)[Pooling Methods](#content)AnalysisEfficiencyApplicationsPhysics[Chemistry and Biology](#content)[Knowledge Gra...
【综述笔记】Graph Neural Networks in Recommender Systems
weixin_45519842的博客
12-08 1663
原文链接：https://arxiv.org/pdf/2011.02260.pdfAbstract如今推荐系统的研究非常火热，GNN也在很多领域表现优异。推荐系统主要的挑战是从历史交互(...
一文了解推荐系统中的图神经网络
数据派THU
08-17 2813
来源：RUC AI Box 本文约4600字，建议阅读9分钟本文主要介绍推荐系统中的图神经网络，欢迎交流探讨！ [ 引言 ]近年来，GNN技术由于其在图数据学习方面的出色表现，在许多...
推荐系统(4）-- Session-Based Recommendation
09-19 675
《SESSION-BASED RECOMMENDATIONS WITH RECURRENT NEURAL NETWORKS》 http://arxiv.org/abs/1511.06939 另外，本文代码的地址为：https://github.com/princewen/tensorflow_practice/tree/master/recommendation/Basic-S...
hierarchical-graph-attention-network-master的数据集
最新发布
09-17
hierarchical-graph-attention-network-master是一个使用分层图注意力网络（Hierarchical Graph Attention Network）进行训练和预测的项目。该项目主要针对一种特定的数据集。 该数据集可以是一个图数据集，其中...
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
>