【FunRec】Graph Embedding(一)

483未经授权,禁止转载
学习人工智能机器学习算法推荐算法推荐系统图嵌入技术随机游走邻居聚合deepwalknode2vecgraphsage异构图非均匀采样前缀和加二分法alias方法
本次分享主要围绕图嵌入技术(Graph Embedding)展开,深入探讨了如何利用图嵌入技术解决推荐系统中的冷启动问题。首先介绍了图嵌入的基本概念,并通过随机游走和邻居聚合两种方法生成序列,使用DeepWalk和Node2Vec等算法生成节点嵌入。接着,讨论了异构图的构建和采样方法,以及如何通过非均匀采样的前缀和加二分法和Alias方法实现符合特定概率分布的采样。最后,结合EGES算法,展示了如何利用用户行为序列和side information解决冷启动问题,以及如何通过构建训练数据和加权聚合方法实现模型训练。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
Datawhale
Datawhale 是一个专注于数据科学与 AI 领域的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner,和学习者一起成长」为使命,鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案,赋能人才培养,助力人才成长,建立起人与人、人与知识、人与企业和人与未来的联结。
TA的视频
接下来播放:
自动连播