This is the code for the AAAI 2019 Paper: Session-based Recommendation with Graph Neural Networks. We have implemented our methods in both Tensorflow and Pytorch. Here are two datasets we used in our paper. After downloaded the datasets, you can put them in the folder datasets/: YOOCHOOSE: ...
项目地址: https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn 应用背景 随着互联网上信息量的快速增长,推荐系统能够帮助用户缓解信息过载的问题,进而有效帮助用户在众多Web应用程序中(比如:搜索、电子商务、媒体流网站等)选择自己感兴趣的信息。大多数现有的推荐系统都假设一个前提:用户画像(user profil...
Contribute to justyn1303/SR-GNN-global-vector-modification development by creating an account on GitHub.
Session-based Recommendation with Graph Neural Networks 官方代码代码仓库: https://github.com/CRIPAC-DIG/SR-GNN#paper-data-and-code 有torch和tf两个版本数据集下载一个是YOOCHOOSE,仓库的链接失效了,去…
参考博客:https://sxkdz.github.io/research/SR-GNN/ 摘要 基于会话的推荐问题旨在预测基于匿名会话的用户操作。先前的方法将会话建模为序列,并估计项目表示以外的用户表示,以提出建议。尽管取得了可喜的结果,但它们不足以在会话中获得准确的用户向量,而忽略了项目的复杂转换。为了获得准确的项目嵌入并考虑到项目的复杂...
项目地址:https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn 随着互联网上信息量的快速增长,推荐系统能够帮助用户缓解信息过载的问题,进而有效帮助用户在众多Web应用程序中(比如:搜索、电子商务、媒体流网站等)选择自己感兴趣的信息。大多数现有的推荐系统都假设一个前提:用户画像(user profile)和历史活...
【新智元导读】图神经网络(GNN)是机器学习的强大工具之一,但在训练数据上往往依赖于特定领域,为了解决由领域转移和数据标记偏差造成的性能下降,谷歌提出了一种新方法。 图神经网络(GNN),是在机器学习中利用图形结构数据的强大工具。图是一种灵活的数据结构,可以对许多不同类型的关系进行建模,并已被用于不同的应用,如...
https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn 应用背景 随着互联网上信息量的快速增长,推荐系统能够帮助用户缓解信息过载的问题,进而有效帮助用户在众多Web应用程序中(比如:搜索、电子商务、媒体流网站等)选择自己感兴趣的信息。大多数现有的推荐系统都假设一个前提:用户画像(user profile)和历史活...
项目地址:https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn 应用背景 随着互联网上信息量的快速增长,推荐系统能够帮助用户缓解信息过载的问题,进而有效帮助用户在众多Web应用程序中(比如:搜索、电子商务、媒体流网站等)选择自己感兴趣的信息。大多数现有的推荐系统都假设一个前提:用户画像(user profile...
项目地址:https://github.com/PaddlePaddle/models/tree/develop/PaddleRec/gnn 应用背景 随着互联网上信息量的快速增长,推荐系统能够帮助用户缓解信息过载的问题,进而有效帮助用户在众多Web应用程序中(比如:搜索、电子商务、媒体流网站等)选择自己感兴趣的信息。大多数现有的推荐系统都假设一个前提:用户画像(user profile...