GRU4rec | SRGNN |
---|---|
序列模型,只考虑上一节点到当前节点的过渡关系 | 图模型,考虑更复杂的过渡关系,包括若干出点和入点与当前节点的联系 |
仅考虑用户的当前兴趣 | 使用Attention机制,考虑用户的当前兴趣和整体兴趣 |
循环次数由序列长度决定 | 循环次数是个超参,SRGNN默认为1 |
有负采样,pairwise loss(BPR、TOP1) | 没有负采样,pointwise loss(NLL) |
minibatch,代码比较复杂 | data augmentation,实现比较简单(但序列长度较长时不适用于RNN) |
关于GGNN和SRGNN更多信息,可以转至 【论文精读】门控图神经网络GGNN及SRGNN