今天学习的是 Pinterest 和斯坦福大学 2018 年合作的论文《Graph Convolutional Neural Networks for Web-Scale Recommender Systems》，目前有 200 多次引用。
原创
2021-07-13 11:31:22
638阅读
今天学习的是 Pinterest 和斯坦福大学 2018 年合作的论文《Graph Convolutional Neural Networks for Web-Scale Recommender Systems》，目前有 200 多次引用。论文中提出的 PinSAGE 结合了随机游走和 GCN 来生成节点的 Embedding 向量。同时考虑了图结构和节点的特征信息。此外，PinSAGE 也设计了
原创
2021-02-04 20:34:01
752阅读
本项目主要讲解了GraphSage、PinSage、GIN算法的原理和实践，并在多个数据集上进行仿真实验，基于PGl实现原论文复现和对比，也从多个角度探讨当前算法的异同以及在工业落地的技巧等。
原创
精选
2022-11-19 15:04:39
356阅读
针对推荐系统的稀疏性问题，图方法还真的很适合。推荐系统中存在很多的图结构，如二部图，序列图，社交关系图，知识语义图等GNN比传统的随机游走等有更好的表现PinSage和EGES都是很好的落地实践方法，也是这篇博文的整理重点。不过首先来看一下对于user-item二部图的一般处理方法GCMC，通用的捕捉主要是需要处理四步，1构图，包括如何采样 2邻居聚合，包括多少信息应该被选择 3信息更新，如何整合
转载
2023-11-28 11:49:12
58阅读
