wzj1212123的博客

原创 Semi-decentralized Federated Ego Graph Learning for Recommendation

本文介绍了一种新颖的联合推荐系统方法，可解决隐私问题和可扩展性问题，为设备上的推荐提供了一种有前途的解决方案。

原创 论文阅读《FEDERATED COLLABORATIVE FILTERING FOR PRIVACY-PRESERVING PERSONALIZED RECOMMENDATION SYSTEM》

FCF是第一个将推荐与联邦结合的模型，模型整体架构简单，可行性强，之后的联邦推荐模型都是在其基础上进行改进或攻防。

原创 论文阅读《Vision-Language Pre-Training with Triple Contrastive Learning》

TCL模型在前人工作的基础上进一步提升上游预训练的准确度，论文讲得非常清晰。

原创 BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Genera

BLIP设计新的模型结构，加上数据清洗，可以提高下游任务性能，是一种通用的多模态结构和训练方法。

原创 论文阅读《Knowledge-enhanced Multi-View Graph Neural Networks for Session-based Recommendation》

KMVG指出主流算法中利用全局图会出现的信息冗余问题，但使用知识图谱作为解决方案并没有利用跨会话信息，可以在这篇文章的思想上针对全局图进行改进，去掉局部图中已经包含的信息，让全局图捕获全新的跨会话信息。

原创 论文阅读《Bootstrap Latent Representations for Multi-modal Recommendation》

本文是2023年的一篇多模态推荐论文，不依靠辅助图来进行建模，大大节省训练时间得到非常优秀的推荐效果。作者认为当前推荐模型使用GNN以及辅助图会导致以下限制：（1）贝叶斯损失在大型图上产生过高的成本，并将噪声监督信号带入训练过程；（2） 当在大规模辅助图上构建和训练时，利用辅助图结构的方法可能会产生过高的内存成本。针对上述问题，作者提出BM3模型：（1）使用简单的潜在表示丢弃机制而不是图扩充来生成用户或项目的目标视图，以便在没有负样本的情况下进行对比学习；（2） 设计了一个多模态对比损失（MMCL）函数；

原创 论文GPT4Rec: A Generative Framework for Personalized Recommendation and User Interest Interpretatition

GPT4Rec模型的一些细节作者没有介绍清楚，目前的GPT4.0已经可以输入图片，如果将单纯的物品名称改变为文本+图片不知道是否会提升模型效果。

原创 论文《M2GNN: Metapath and Multi-interest Aggregated Graph Neural Network for Tag-based Cross-domain 》阅读

M2GNN中运用了其他论文中的一些较为复杂的技术，但主题思想仍然清晰，提出了一个更为贴近现实情况的基于标签的跨域推荐问题。

原创 论文《CrossCBR: Cross-view Contrastive Learning for Bundle Recommendation》阅读

CrossCBR以相对简单而有效的方法进行捆绑推荐，这是我看的第一篇捆绑推荐文章，采用的数据集与其他推荐方向不太相同，无法与其他方向的推荐模型横向对比性能。

原创 论文《Neural Attentive Session-based Recommendation》阅读

本文是2017年ICKM上的一篇论文，通过使用GRU时序门控单元处理序列化的会话，结合局部和全局编码操作，最终对用户行为进行预测在全局编码器中，输入是整个先前的单击，而输出是用户在当前会话中的顺序行为的特征。输入和输出均由高维向量统一表示。ht−1\boldsymbol{h}_{t-1}ht−1​为上一轮activation，h^t\widehat{\boldsymbol{h}}_tht​为候选activation，新一轮的更新公式为：ht=(1−zt)ht−1+zth^t(1)\bo

原创 论文《Hierarchical User Intent Graph Network for Multimedia Recommendation》阅读

文章的重点其实并不在于多模态，而是对用户意图粗细粒度的创新，通过减少物品数量提取整体特征，实现从细粒度到粗粒度的转变，再将各个层次的物品特征结合作为最终的物品向量嵌入。

原创 论文《Pre-training Graph Transformer with Multimodal Side Information for Recommendation》阅读

该文章仍然是通过多模态来对下游模型的物品嵌入做一个预处理，模型中包含很多元素，也挖掘了更多的多模态信息。可以看出有一定工作量，而且方法也可以适用于大多数模型。

原创 论文《Graph-Refined Convolutional Network for Multimedia Recommendation with Implicit Feedback》阅读

GRC模型太简单了点，只能说文章写得可能有点东西，但从模型看来则太浅了，多模态的运用很突兀，可解释性不强。

原创 论文《Mining Latent Structures for Multimedia Recommendation》阅读

LATTICE模型弥补了传统模型只关注用户-项目转化却忽略了项目本身所蕴含的特征关系的缺陷，实现了能作用在大多数模型基础上创新，相当于优化了其他模型的初始化过程，且在物品嵌入部分加入了物品-物品转化关系。且因为前后部分是分开的，可以利用高性能计算思维来加快代码运行速度。

原创 论文《Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation》阅读

论文《Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation》阅读论文概况IntroductionMethodA.Notations and DefinitionsB. Hypergraph Convolutional NetworkC.Enhancing SBR with Self-Supervised Learning总结论文概况本文是2021年AAAI上的一篇论文，该篇文章通过超图卷积网络

原创 论文《Sequential Recommendation with Graph Neural Networks》阅读

论文《Sequential Recommendation with Graph Neural Networks》阅读论文概况IntroductionMethodA.Interest Graph ConstructionB. Interest-fusion Graph Convolutional LayerC.Interest-extraction Graph Pooling LayerD. Prediction Layer总结论文概况本文是2021年SIGIR上的一篇论文，该篇文章通过计算用户在会话中的

原创 论文《Session-based Social Recommendation via Dynamic Graph Attention Networks》阅读

论文《Memory Augmented Graph Neural Networks for Sequential Recommendation》阅读论文概况IntroductionMethodA.Short-term Interest ModelingB.Long-term Interest ModelingC.Interest FusionD.Prediction总结论文概况本文是2020年AAAI上的一篇论文，该篇文章聚焦于短期兴趣、长期兴趣、项目共现来解决会话推荐问题，提出了MAGNN（Memor

原创 论文《Memory Augmented Graph Neural Networks for Sequential Recommendation》阅读

论文《Memory Augmented Graph Neural Networks for Sequential Recommendation》阅读论文概况IntroductionMethodA.Short-term Interest ModelingB.Long-term Interest ModelingC.Interest FusionD.Prediction总结论文概况本文是2020年AAAI上的一篇论文，该篇文章聚焦于短期兴趣、长期兴趣、项目共现来解决会话推荐问题，提出了MAGNN（Memor

原创 论文《Graph Contextualized Self-Attention Network for Session-based Recommendation》阅读

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

原创 论文《TAGNN: Target Atentive Graph Neural Networks for Session-based Recommendation》阅读

论文《TAGNN: Target Atentive Graph Neural Networks for Session-based Recommendation》阅读论文概况IntroductionMethodA.Constructing Session GraphsB.Learning Item Embeddings on Session GraphsC.Constructing Target-Aware EmbeddingD.Generating Session EmbeddingsE.Making R

原创 论文《Session-based Recommendation with Graph Neural Networks》阅读

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，

原创 论文《Rethinking the Item Order in Session-based Recommendation with Graph Neural Networks》阅读

论文《Rethinking the Item Order in Session-based Recommendation with Graph Neural Networks》阅读论文概况本文是2019年CIKM上的一篇论文，聚焦于序列化推荐问题（提出在会话推荐中使用RNN的缺点，并挖掘用户编好与会话的复杂关系），提出了全图神经网络（Full Graph Neural Network ，FGNN）模型。Introduction作者提出了几个问题在会话推荐中使用RNN存在缺陷，用户的偏好并不完全取

原创 GCE-GNN

GCE-GNN

原创 软件构造心得（知识点总结）

原创 软件构造课程心得（复习1）

原创 软件构造课程心得（8）

在完成lab4之后，我对日志有了很多自己的理解，这里与大家分享一下。1、日志的创建日志的创建其实很简单首先定义一个日志类然后输出任意的字符串，只需要这两步操作我们就生成了日志但是，我们的日志不能仅仅输出，我们也要用txt文件将每个日志的详细信息记录下来，所以我们就要进行下面的操作首先创建FileHandler类，这个类就是用来将所有日志记录到txt文件中的。然后用储存日志的文件的位置来创建FileHandler类最后再设定fh所记录日志的规格（这个接下来会详细讲），然后再将fh加入到

原创 软件构造课程心得（7）

在软件构造课程的最后一张我们学习了多线程的知识，今天想与大家分享一下1、多线程的创建如图是一个简单的多线程创建，我们首先定义Runnable中的run方法，然后调用Thread中的start方法就可以启动多线程运行run方法。可能有人会问，为什么run方法的运行需要我们调用start方法？直接调用run方法会怎么样？我们看下图，第一张图运行的结果是spinningmeasuring而下面这张图运行的结果是spinningmeasuring或者是measuringspinning

原创 软件构造课程心得（6）

实验3中涉及到了表格的打印，在这里想和大家分享一下打印表格的操作与经验。首先，先建立JFrame和JTable类然后我们先设定表格的第一行，之后表格每行的列数都与第一行相同，所以我们再第一行一定要设定足够多的列。如果如下图这样设定，如果所有的信息都是空的，那就不会存在第一行，但是表格的列数还是会根据这里的信息的个数决定（这里就是4列）tableData是一个二元数组，里面存了表格中主要要打印的信息（假设已有第一行）tableData[0][]里存了表格第二行的信息，tableData[0][0]

原创 软件构造课程心得（5）

最近做了lab3，对接口和继承又有了种种新的认知，在这里想和大家分享。首先是接口可以接收该接口的各种子类，由此来完成多个不同类的统一接收，如图这是一个State接口而下图（以createdstate为例）是这个state接口的各种子类，createdstate,givedstate,blockedstate,canceledstate,beginedstate,finishedstate...

原创 软件构造课程心得（4）

今天想分享一下打包的心得首先说一下该如果进行打包1、在project中的scr上右键找到export2、next3、点击browers来命名jar包，选择jar包放在哪4、next5、点击browse选择jar包中程序的main函数6、选择结束之后点击finishemmmmm然后我们就可以满心欢喜的在cmd中运行我们的jar包了，然后就会发现。。。。。为什么会这样呢...

原创 软件构造课程心得（3）

最近在实验的过程中遇到了让我十分不解的问题--------如何判断两个字符串相等？之前在c语言中这个操作十分简单String a=“hello”;String b=“hello”if(a==b){printf(“字符串相等”);}只需要==就可以判断是否相等。编译后也和大家想的一样，输出“字符串相等”。然而在java中String a=“hello”;String b=“he...

原创 软件构造课程心得（2）

这次想做一下关于实验一中convex hull的另一种解答方法在原本的实验中我是利用了点到点之间的角度来画出convex hull的，每次取角度最小的点加入convex集合，这样就可以画出包括整个点的集合。所用的时间复杂度是square n，虽然解决了问题，时间复杂度不让人满意，下面我将描述一个时间复杂度为n的方法。我们可以利用分治算法，将一个整体的大问题，拆分成两个小问题，也就是n个点变成两...

原创 软件构造课程心得

1.软件构造的多维度视图阶段角度：构造时和运行时视图动态性角度：瞬时和阶段视图层级角度：代码和组件视图2.多维视图（重点）3.动态链接与静态链接的区别动态链接：方便更新，易于对原本的链接库进行改变静态链接：无法实现更新，在链接后改变链接库不能改变已经链接的程序4.外部质量指标（1）正确性：最重要的质量指标每一层保证自己的正确性，同时假设其下层是正确的按照预先定义的“规约”执...

原创 计算机系统大作业

摘 要从hello入手，我们将一步步漫游整个计算机世界。究竟是如何从平凡的hello.c变成高贵的可执行文件hello的呢？从一个简简单单的c文件进行预处理、编译、汇编、链接，这中间发生的过程、每个操作的特点都会在本文被一一解析。同时我们也将讲解为了让小小的hello运行，在运行期间整个计算机所做出的巨大努力。关键词：计算机系统、程序结构和执行、在系统上运行程序、程序间的交互和通信（摘要0...