接下来构建模型:用tf初始化三个权重矩阵,分别为user_emb_matrix用户嵌入矩阵,形状为(1872,16),其中1872是用户的总数,16是特征维度;entity_emb_matrix实体嵌入矩阵,形状为(9366,16),其中9366是图谱中的实体数量;relation_emb_matrix关系嵌入矩阵,形状为(60,16),其中60是图谱中的关系种类。然后用tf的embedding_looku...
输出:项目嵌入(batch_size,dim)、聚合器列表 描述:通过聚合器处理得到项目嵌入和聚合器列表(列表中的每个聚合器都有权重矩阵,这在后面计算模型的损失中会用到) # LS regularizationself._build_label_smoothness_loss(entities,relations) 输入:邻居实体列表和邻居关系列表 输出:无 描述:构建标签平滑损失,该函数内部会...
模型架构 KGNN-LS 的节点的更新方式与GCN相似,为: \mathbf{H}_{l+1}=\sigma\left(\mathbf{D}_{u}^{-1 / 2} \mathbf{A}_{u} \mathbf{D}_{u}^{-1 / 2} \mathbf{H}_{l} \mathbf{W}_{l}\right), l=0,1, \cdots, L-1 其中A_u 为用户 u “专属“ 邻接矩阵(针对不同用户...