文献阅读总结(3)Neural Graph Collaborative Filtering
1、Introduction
左图u1,右图从左图的u1开始展开
图反应的信息:
1、从路径u1->i2->u2,可以反映出u1和u2的相似性;
2、u1和i4之间有两条路径,而u1和i5之间只有一条路径,可以反应u1对i4的兴趣比u1对i5的兴趣更高。
与HOP-Rec不同的是,该技术将高阶连通性整合到预测模型中。
贡献:
1、我们强调了在基于模型的CF方法的嵌入函数中显式地利用协作信号的关键重要性
2、提出了一种基于图神经网络的推荐框架NGCF,通过嵌入传播将协作信号以高阶连通性的形式进行显式编码。
3、我们对三个百万规模的数据集进行了实证研究。实验结果表明,NGCF算法具有良好的性能,能够有效地提高神经网络嵌入传播的嵌入质量.
2、methodology
该框架中有三个组件:
(1)嵌入层,其提供用户嵌入和项目嵌入的初始化;
(2)多个嵌入传播层,其通过注入高阶连接关系来细化嵌入;
(3)预测层,其聚集来自不同传播层的细化嵌入并输出user-item对的密切度分数。
2.1 Embedding Layer
2.2 Embedding Propagation Layers
我们构建GNN的消息传递架构,沿着图结构捕获CF信号,并细化用户和项目的嵌入。
由单层传播的设计,推广到多个连续层。
2.2.1 一阶传播
然后将其归纳为多个归纳直观地,交互的项目提供了关于用户偏好的直接证据; 类似地,消费项目的用户可被视为该项目的特征并用于测量两个项目的协作相似性。我们在此基础上构建以执行连接的用户和项目之间的嵌入传播,用两个主要操作来制定该过程:消息构造和消息聚合。
2.2.2 多阶传播
可以在嵌入传播过程中捕获u1 ← i2 ← u2 ← i4这样的协同信号。此外,来自i4的消息被显式地编码在eu1中(由红线指示)。因此,堆叠多个嵌入传播层将协同信号无缝地注入到表示学习过程中。
2.3 Model Prediction
2.4 Optimization
2.5 Discussions
Experiments
文献阅读总结(3)Neural Graph Collaborative Filtering相关推荐
- 知识图谱论文阅读(二十一)【SIGIR2019】NGCF: Neural Graph Collaborative Filtering
题目:Neural Graph Collaborative Filtering 代码: https://github.com/xiangwang1223/neural_graph_collaborat ...
- 论文笔记(Neural Graph Collaborative Filtering)
神经图协同过滤 论文链接:Neural Graph Collaborative Filtering, SIGIR'19 原理:在 user-item interaction graph 上使用 GNN ...
- 矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现
矩池云上复现论文 Neural Graph Collaborative Filtering 环境复现 Neural Graph Collaborative Filtering (NGCF) is a ...
- NGCF,论文Neural Graph Collaborative Filtering的理解
现代推荐系统RS的核心是学习用户和物品的embeddings表示,随着图神经网络的火热以及图在现实生活中的广泛应用,作者提出将图神经网络和协同过滤算法结合以追求更好的性能. 先简单介绍一下文中两个最主 ...
- 【论文笔记】Neural Graph Collaborative Filtering
文章目录 1. Motivation 2. 模型 2.1 Embedding Layer 嵌入层 2.2 Embedding Propagation Layers 2.2.1 First-order ...
- 2022_WWW_Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning
[论文阅读笔记]2022_WWW_Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Lear ...
- 2019_SIGIR_Neural Graph Collaborative Filtering
[论文阅读笔记]2019_SIGIR_Neural Graph Collaborative Filtering 论文下载地址: https://doi.org/10.1145/3331184.3331 ...
- #Reading Paper#Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learni
#论文题目:Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning(推荐系统:基 ...
- Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning(个人笔记)
论文:利用邻域丰富的对比学习改进图协同过滤 (NCL) WWW22 文章链接:https://arxiv.org/abs/2202.06200v1https://arxiv.org/abs/2202. ...
最新文章
- Spring Cloud Gateway 源码解析(4)-- filter
- JavaScript框架的超简史
- linux操作系统漏洞,常见的操作系统漏洞有哪些
- R for data science之purrr包(下)
- 《深度学习》花书训练营day01-线性代数
- 计算机网络应用云计算,计算机网络云计算技术应用
- 【冷冻电镜|论文阅读】A feature-guided, focused 3D signal permutation method for subtomogram averaging
- R语言实战 ---学习心得08
- TensorFlow 2.1.0 使用 TFRecord 转存与读取图片
- iphone红外传感器
- SpMV矩阵格式自动调优
- k8s技术预研8--深入掌握Kubernetes Service
- C语言实现搬山游戏,附上代码及解析
- 纯js 编canvas处理图片, 涂鸦笔、画布图片内容旋转 放大缩小 裁剪框 。兼容ie9及以上 谷歌、360、火狐浏览器
- 全选主元matlab,全选主元高斯-约当法实矩阵求逆及传统方法求逆
- Box2D和Chipmunk
- 批量作业调度工具 Taskctl 定时器及模块之间的区别
- 如何在线压缩图片至200K?图片压缩用什么?
- unity资源包分享
- 用XPath提取捧腹网笑话文本