ANewPro

摘要： Personalized Transformer for Explainable Recommendation论文阅读笔记 摘要 ​ 自然语言生成的个性化在大量任务中都起着至关重要的作用。比如可解释的推荐，评审总结和对话系统等。在这些任务中，用户和项目ID是个性化的重要标识符。虽然Transfome 阅读全文

摘要： GNNExplainer: Generating Explanations for Graph Neural Networks论文阅读笔记 摘要 ​ 因为结合图结构和特征信息会导致复杂的模型，解释GNN的预测没有得到解决，所有提出了一个GNNExplainer，是第一个通用的，与模型无关的方法，可以 阅读全文

摘要： Explainability in Graph Neural Networks: A Taxonomic Survey阅读笔记 摘要 ​ 深度学习方法的性能正在不断的提高，但是目前的局限是它们不易于解释。目前在图像和文本上的可解释性取得了重大进展，但是目前GNN的可解释性还没有统一的处理办法。这篇文 阅读全文

摘要： GraphMAE阅读 引言 在摘要里，本论文提出了自监督学习有着巨大的潜力 自监督学习又分为对比学习和生成学习 目前比较成功的是对比学习，因为在对比学习中，有高质量的数据增强以及可以通过额外的策略来稳定训练过程 而对于生成式的自监督学习，它们旨在重建数据本身的特征和信息，对图来说，图自动编码器(Gr 阅读全文

摘要： SocialLGN阅读笔记 ​ 这篇文章主要是在LightGCN的基础上，不仅仅只采用了user-item graph来进行推荐，还加入了用户之间的社交信息。用户和项目的表示在LightGCN中传播，并且用户的表示在社交图中传播。在此基础上，本文还新设计了一个图融合操作，来聚合用户表示。 ​ 在推荐 阅读全文

摘要： MHCN阅读笔记 1.摘要部分 ​ 在开篇，作者提出了使用超图来建模高阶关系，使用多通道的超图卷积网络，利用高阶用户关系来增强社会推荐，之后通过聚合多个渠道学习的嵌入，获得了全面的用户表示来生成推荐结果 ​ 但是聚合操作会掩盖不同类型的高阶连接信息的特征，所以我们将自监督学习整合到超图卷积网络的训练 阅读全文

摘要： SimGCL论文阅读笔记 ​ 本篇文章主要讲述了图增强虽然有效果，但是起到的作用很小，然后提出了基于添加均匀的噪声来创建对比视图。这样准确性和效率都会优于原来的方法 1.引言部分 ​ 尽管现在基于结构扰动的图增强具有着很不错的效果，但是性能提升的原因还是不清楚，并且有研究发现，即使非常稀疏的图增强( 阅读全文

摘要： # SGL论文阅读笔记 ## 摘要部分内容 ​ 首先，论文提出了目前用户-项目图所面临的两大问题 + 长尾问题：高度数的节点对表示学习产生更大的影响 ，导致低度数的结点的推荐比较困难 + 鲁棒性问题：用户的交互数据中包含很多噪声，而邻居聚合策略会更进一步放大聚合的影响 ​ 于是，这篇论文提出了自监督 阅读全文

摘要： # LightGCN阅读笔记 ​ 现有的将GCN缺乏对GCN的消融分析，并且该论文发现特征变换和非线性激活对协同过滤一点用都没有，甚至增加了训练的难度并且降低了推荐的效果。 ​ 造成上面结果的原因是，GCN最初是应用于属性图上的节点分类，其中每个节点都有丰富的属性作为属性特征，而在协同过滤的用户-项 阅读全文

摘要： NDCG NDCG是Normalized Discount Cumulative Gain NDCG可以在搜索和推荐任务中衡量返回的Item列表是否优秀 G-CG-DCG-NDCG G代表Gain 表示一个列表中的Item的相关性分数，rel(i)表示item(i)相关性得分 Gain=rel(i) 阅读全文