Jaggar_csdn的博客

这两篇有两种方法可以直接上代码DataParallel（DP）：Parameter Server模式，一张卡位reducer，实现也超级简单，一行代码。DistributedDataParallel（DDP）：All-Reduce模式，本意是用来分布式训练，但是也可用于单机多卡。链接：https://fyubang.com/2019/07/23/distributed-training3/链接：https://www.cnblogs.com/yh-blog/p/12877922.html这..

2019 SIGMOD CECI: Compact Embedding Cluster Index for Scalable Subgraph Matching划分与原图同构的子图2019 WSDM Session-Based Social Recommendation via Dynamic Graph Attention Networks将动态图网络应用到推荐上，每一个session确定为一个时刻，以用户为节点建模，用户兴趣为feature2019 WSDM Neural Tensor Fact

metapath2vec论文 metapath2vec: Scalable Representation Learning for Heterogeneous Networks异构图初代，主要目标是network embedding，获得节点低维映射以便进行下游任务本文提出了metapath2vec和metapath2vec++两种模型，思路：随机游走获得元路径+skipgram+logloss下图能够比较清晰地体现论文中的网络结构：缺点：效果一般，onehot输入简单粗暴，将不同类型节点映..

模型思路类别（是否基于传统KG算法）理论/应用以及应用场景优缺点task可能的应用方向metapath2vec随机游走+skipgram异构图理论型缺点：效果一般，onehot输入简单粗暴，将不同类型节点映射到同一向量空间显得不太合理分类item2item商品推荐EGES随机游走+skipgram+side info异构图应用;双十一产品召回同上，方法较为原始，未考虑用户特征同上商品推荐Metapath-guided Heterogeneou...

1.用图的分解和卷积来做文本匹配https://www.aclweb.org/anthology/P19-1632.pdf2.图表示解决长文本关系匹配问题：腾讯提出概念交互图算法论文地址：https://arxiv.org/abs/1802.07459相关数据资源：https://github.com/BangLiu/ArticlePairMatching3. alberta doctorhttps://sites.ualberta.ca/~bang3/publication.htmlhttp