Graph Neural Networks for Social Recommendation(GraphRec2019)阅读笔记
Graph Rec
推荐系统提升的关键是学习用户和项目的潜在因素
现存问题:
- 用户(物品)同时参与用户-物品图和用户-用户社交图(物品-物品图);我的理解是以前只用users-items图来构建embedding,可以引入其他的信息;
- 用户-项目图不仅包含用户-项目交互,还包含用户对项目的意见;我的理解是除了利用0或1来表示有无交互,还可以引入评分表示意见
- 用户之间的社会关系性质具有异质性。我的理解是用户与用户之间有可能比较亲近可能比较疏远,所以嵌入时应该考虑关系的强度
解决方案:
我们引入了一种原则性的方法来共同捕获用户-项目图中的交互和观点,并提出了一种注意力机制来区分社会关系的异质性强度。
第一个挑战是如何内在地结合这两个图。
第二个挑战是如何联合捕获用户和项目之间的交互和意见。
第三个挑战是如何区分具有异质性力量的社会关
1.用户建模(User Modeling):
item第一个aggre从R中用户与物品的交互来理解用户;
C(i)C(i)C(i)是UiU_iUi交互的项目集合,xiax_{ia}xia就是项目的embedding;
social第二个aggre从T中用户和用户之间的关系来理解用户;
N(i)N(i)N(i)是UiU_iUi交互的用户集合,hoIh_{o}^IhoI就是项目的embedding;
作者还搞了注意力机制;
然后拼接他们,之后经过多层感知机线性层,l层,得到用户embedding hih_ihi
2.项目建模(Item Modeling):
use利用raggre在T中用户与物品的交互与观点;
3.预测层(Rating Prediction):
联合两个建模预测评分;
将两个拼接
经过l层线性层,输出评分
4.训练模型
根据预测的评分去优化;
Graph Neural Networks for Social Recommendation(GraphRec2019)阅读笔记相关推荐
- TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation论文阅读笔记
论文标题:TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation 发表于:2020 SIGIR 作 ...
- WWW2021 Interpreting and Unifying Graph Neural Networks with An Optimization Framework 阅读笔记
论文:interpreting and Unifying Graph Neural Networks with An Optimization Framework 代码: https://githu ...
- 【社交推荐图神经网络】Graph Neural Networks for Social Recommendation
用于社会推荐的图神经网络 [原文链接] [摘要]该文提供了一种方法来联合捕获用户-项目图中的交互和意见,并提出了框架GraphRec,该框架对两个图进行了一致建模.该模型由用户建模.项目建模和评级预测 ...
- Decoupling the Depth and Scope of Graph Neural Networks(ShaDow-GNN)论文阅读笔记
红色部分为个人的一些解读,不足之处请多多指点! 文章目录 链接 一.摘要 二.引言 三.前文 总结 链接 论文题目:解耦图神经网络的深度和范围(ShaDow-GNN)(2021NIPS) 论文链接:2 ...
- 【推荐系统->论文阅读】Dynamic Graph Neural Networks for Sequential Recommendation(用于序列推荐的动态图神经网络)
Dynamic Graph Neural Networks for Sequential Recommendation(用于序列推荐的动态图神经网络) Mengqi Zhang, Shu Wu,Mem ...
- 2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation
[论文阅读笔记]2021_AAAI_Knowledge-aware Coupled Graph Neural Network for Social Recommendation 论文下载地址: htt ...
- Self-supervised Graph Neural Networks for Multi-behavior Recommendation-IJCAI 2022 读书笔记
0 作者 Shuyun Gu , Xiao Wang , Chuan Shi∗^∗∗ and Ding Xiao 1 动机 传统推荐系统一般只考虑购买行为,忽略了放入购物车.浏览行为: 本文将购买.放 ...
- 【论文笔记】CIKM2020 Star Graph Neural Networks for Session-based Recommendation
目录 PROBLEM SOLUTION APPROACH Framework Session star graph construction Satellite connections Star co ...
- SIGIR 2020 TAGNN: Target Attentive Graph Neural Networks for Session-based Recommendation
前言 目前已经有很多方法通过将会话建模为序列或图来完成对会话的嵌入,进而对 next-item 进行预测.这些方法将会话压缩为一个固定的表示向量,而不考虑要预测的目标项.之前的大多数方法的出发点就是通 ...
最新文章
- shp2sde命令行方式向arcsde批量导入数据脚本的生成步骤
- maya的颤动怎么做_必看!新手学习MAYA的几个建议
- Android上试用Linphone(Free SIP VOIP Client)
- 如何用C#+WinRAR 实现压缩 分类:
- 专为专业音乐行业从业人员打造的AI智能编曲工具:Orb Producer Suite Mac
- Flink 实战:如何解决生产环境中的技术难题?
- PIC单片机学习-中断
- Node之HTTPS客户端
- CPDA认证|数据分析师如何撰写数据报告?
- 个人练习 —— 使用c#、Winform窗体 编写鼠标连点器(附代码和工具逻辑)
- linux命令scp(复制文件和目录)详解及cp和scp命令的使用方法
- easyexcel导出图片到具体excel具体位置并设置大小
- 2019年AI领域回顾:稳定发展还是幻想破灭?
- android方案公司,生产解决方案
- 云计算服务器和vps,云服务器和vps差别
- linux 字体 命令,Linux下的字体
- flink内部计算指标的95线-99线等的实现
- ASEMI场效应管7N80怎么测量好坏
- 从云码课堂出来拿12K,女生做Java也挺吃香
- 【多会议推荐】计算机主题,多高校单位主办,SCI会议征稿!