PinSage

深度学习：图神经网络——在推荐系统中的应用

PinSage是工业界应用图神经网络完成推荐任务的第一个成功案例，其从用户数据中构造图（graph）的方法和应对大规模图而采取的实现技巧都值得我们学习。
一碗姜汤·2024-01-09 11:35

推荐模型汇总

Facebook-ebr,Facebook-Que2Search,Google双塔,MOBIUS美团DualAugmentedTwo-tower,MVKE多兴趣/用户序列建模MIND,ComiRec,PinSAGE
PiedPiper68·2023-02-07 08:58

SIGIR 2021 | 推荐系统中的自监督图表征学习

中国科学技术大学博士生研究方向|信息检索摘要推荐系统中用户-物品交互图上的表征学习（RepresentationLearning）已经从使用单个ID或历史交互行为发展到利用交互图上的高阶邻域信息，催生了诸如PinSage
PaperWeekly·2023-01-17 19:08

图对比学习的应用（NCL，SimGRACE，ClusterSCL）

图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN）图神经网络用于推荐系统问题（NGCF，LightGCN）图神经网络用于推荐系统问题（IMP-GCN，LR-GCN）图神经网络用于推荐系统问题
上杉翔二·2022-12-29 13:57

【论文笔记】KDD18 PinSage A new graph convolutional neural network for web-scale recommender systems

overview论文地址，含oral视频Pinterest官方的博客pinsage又是JureLeskovec组的一篇有影响力的工作，该工作被认为是第一个用于工业界GNN推荐系统。
qq_38420683·2022-12-11 18:14

Graph Convolutional Neural Networks for Web-Scale Recommender Systems

我们开发了一种数据高效的图卷积网络(GCN)算法PinSage，它结合了高效的随机游动和图卷积来生成包含图结构和节
怀怀怀怀·2022-11-30 15:48

图学习笔记（七）：图神经网络算法（二）——图采样、邻居聚合

3.图采样算法详解（GraphSAGE、PinSAGE）GraphSAGE(SAmple&aggreGatE)邻居采样算法邻居采样算法的优点：PinSAGE：根据邻居节点重要性进行聚合的算法。
Laura_Wangzx·2022-11-30 11:15

关于GNN、GCN、GraphSAGE（3）--GraphSage

GraphSAGE&PinSAGE这里有两种图采样算法。
Okay灬·2022-11-22 11:00

【GCN-RS】Deep GCN with Hybrid Normalization for Accurate and Diverse Recommendation (DLP-KDD‘21)

DeepGraphConvolutionalNetworkswithHybridNormalizationforAccurateandDiverseRecommendation(DLP-KDD’21)一句话总结这篇文章就是在LR-GCCF和LightGCN的基础上，同时结合了leftnormalization(给不同的邻居分配相等的归一化，PinSAGE
chad_lee·2022-05-22 07:19

[PinSage] Graph Convolutional Neural Networks for Web-Scale Recommender Systems 论文详解KDD2018

文章目录摘要1简介1.1背景介绍1.2推荐系统评测指标1.3在可扩展性的研究1.4创新2相关研究3方法3.1ProblemSetup3.2ModelArchitecturePinSage算法Forwardpropagationalgorithm（局部卷积）Importance-basedneighborhood（如何采样）3.3ModelTraining模型训练Lossfunction损失函数Mu
yyl424525·2020-06-30 11:44

图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN）

PinSage和EGES都是很好的落地实践方法，首先来看一下对于user-item二部图的一般处理方法：GCMC-GraphConvolutionalMatrixCompletion发表在KDD2018
上杉翔二·2020-06-25 16:37

【论文解读 KDD 2018 | PinSage】Graph Convolutional Neural Networks for Web-Scale Recommender Systems

论文链接：https://arxiv.org/abs/1806.01973论文来源：KDD2018斯坦福大学,Pinterest关键词：GCN，推荐系统，web-scale，PinSage本文在GraphSAGE
byn12345·2020-06-22 19:46

【GNN】PinSAGE：GCN 在工业级推荐系统中的应用

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也设计了一种新颖的训练策略，该策略可以提高模型的
阿泽的学习笔记·2020-06-21 04:27

GraphSAGE: GCN落地必读论文

PinSAGE（PinSage:第一个基于GCN的工业级推荐系统）为GC
AI科技大本营·2019-08-14 15:17

GCN:Graph Convolutional Neural Networks for Web-Scale Recommender Systems简介

GraphConvolutionalNeuralNetworksforWeb-ScaleRecommenderSystems摘要作者们开发了一个数据高效的GCN算法PinSage，该算法联合有效的randomwalk
loserChen.·2019-03-10 21:44
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他