Advertisement

Graph Convolutional Matrix Completion

阅读量:

Graph Convolutional Matrix Completion

  • 1、Revisiting graph auto-encoders 图自编码器
    • 1.1 符号定义
    • 1.2 Revisiting graph auto-encoders 图自编码器
    • 1.3 Graph convolutional encoder 图卷积编码器
    • 1.4 Bilinear decoder 双线性解码器
    • 1.5 模型训练

1、Revisiting graph auto-encoders 图自编码器

1.1 符号定义

  • M:评分矩阵,维度为N_{u}×N_{v},其中N_{u}users的数量,N_{v}items的数量
  • 非零的M_{ij}表示user\ iitem\ j的评分,M_{ij}=0表示一个没有观测到评分
    在这里插入图片描述
    图1表示了整个模型的流程。在一个二分的user-item交互图中,矩阵补全任务(即对未观察到的交互的预测)可以转换为链接预测问题,并使用端到端可训练的图自编码器进行建模。
    在这里插入图片描述

1.2 Revisiting graph auto-encoders 图自编码器

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1.3 Graph convolutional encoder 图卷积编码器

在这里插入图片描述
在这里插入图片描述

1.4 Bilinear decoder 双线性解码器

在这里插入图片描述

1.5 模型训练

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

论文链接:https://www.kdd.org/kdd2018/files/deep-learning-day/DLDay18_paper_32.pdf

Github链接:https://github.com/riannevdberg/gc-mc

全部评论 (0)

还没有任何评论哟~