- 博客(8)
- 收藏
- 关注
RSS订阅原创 大模型解密之--多模态常见架构与模态对齐方法
对于不同模态的数据，先使用特定模型进行编码 然后使用交叉注意力模块将不同模态的数据映射到一个空间中，然后再使用transformer进行计算PCME的核心思想是将不同模态的数据表示为概率分布，通过均值和方差来捕捉数据的不确定性和多样性。通过局部注意力机制和特定的损失函数，PCME能够有效地处理图像和文本之间的一对多对应关系，并提供更可解释的嵌入表示。
2025-06-06 00:24:20
1319
原创 Knowledge Graph Contrastive Learning for Recommendation（KGCL）阅读笔记
现有知识图谱（KG）的稀疏性和噪声使得项目-实体依赖关系偏离了反映其真实特征，从而显着放大了噪声效应，阻碍了用户偏好的准确表示。为了填补这一研究空白，作者设计了一个通用的知识图对比学习框架（KGCL），该框架可以减轻知识图增强推荐系统的信息噪声。本篇论文中涉及了知识图谱和对比学习相关理论，因此本篇文章先简要介绍一下知识图谱和对比学习以及其在推荐系统上的应用，然后再解释论文核心原理。
2024-08-18 17:38:05
1958
原创 LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation - 阅读笔记
LightGCN是NGCF的改良，小博对于NGCF在之前的文章中有简明介绍，如想阅读可点击。
2024-07-29 17:50:18
1868
原创 Neural Graph Collaborative Filtering（NGCF）阅读笔记
节点（Nodes）用户（Users）：每个用户是一个节点。项目（Items）：每个推荐项目（如电影、商品等）也是一个节点。边（Edges）用户-项目边（User-Item Edges）：边代表用户与项目之间的交互，例如用户观看了一部电影、购买了一个商品或对一个项目进行了评分。边的权重可以反映交互的强度，例如评分值、购买频次等。
2024-07-23 18:54:30
2732
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人