![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文笔记
文章平均质量分 59
论文阅读
xianfishY
这个作者很懒,什么都没留下…
展开
-
神经图协同过滤(Neural Graph Collaborative Filtering)
神经图协同过滤(NGCF)文章目录神经图协同过滤(NGCF)前言一、简介二、理论1.模型图2.嵌入层3.嵌入传播层3.1一阶传播3.2高阶传播4.模型预测5.优化实验1.数据集描述2.实验设置四.结果前言Embedding是现代推荐系统的核心。 从早期的矩阵分解到最近的基于深度学习的方法,都是通过映射用户(或物品)的已存在的特征(例如ID)来获得用户(或物品即项目)的嵌入向量。 这种方法的一个固有缺陷是:用户-物品交互中潜在的协作信号没有被编码到嵌入向量中。 因此,所得到的嵌入可能不足以捕捉协同原创 2020-11-25 18:48:18 · 2196 阅读 · 0 评论 -
图卷积神经网络(GCN)从入门到放弃!!!
图卷积神经网络从入门到精通(fang qi)前言一、什么是欧几里德结构样本?二、GCN是做什么的?三、什么是拉普拉斯矩阵?总结学习内容:学习时间:学习产出:前言最近在看论文的时候,发现GCN一直被各种论文当作模型中的基础使用,然而我对GCN是什么还是一篇混沌,遂开始阅读GCN的相关论文文献,但是被天书般的公式——傅里叶变换、拉普拉斯算子等等,给搞蒙了,所以写(搬运)一个比较入门的介绍,以记录我真的在这方面努力过!一、什么是欧几里德结构样本?数据类型可以分为两大类:欧几里德结构数据(Euclid原创 2020-11-15 16:27:48 · 1240 阅读 · 0 评论 -
基于图协同过滤的解缠表示(Disentangled Graph Collaborative Filtering)
基于图协同过滤的解缠表示(Disentangled Graph Collaborative Filtering)1.前言摘要引言2.前期工作2.1.协同过滤2.1.2.基于协同过滤的表示学习2.1.3.限制2.2.任务描述2.2.1.用户-商品关系的探索2.2.2.生成解耦的表示3.模型理论3.1.图解缠模型3.1.1.初始化意图嵌入向量3.1.2.意图感知图初始化3.1.3.图解缠层设计3.1.4.合并图解缠层3.2.独立建模模块3.3.模型优化4.实验4.1模型结果4.2.对DGCF的深入研究5.结论与原创 2020-11-13 21:02:44 · 990 阅读 · 0 评论