_Mogician的博客

原论文Motivation现有的基于矩阵分解的模型不能捕捉序列信息，于是作者提出了新颖的SeqFM模型，分别学习静态特征（如性别）、动态特征（如交互信息）以及二者之间的关系。Introduction为了避免特征工程中手工设计，FMs (factorization machines) 用来将原始的特征嵌入到隐向量空间，并且通过对emb内积学习特征之间的联系。但是plain FM受限于线性表达能力，DNN-based FM，如Xiangnan He的NFM，学习高阶的联系。FM有两种趋势：一种是.

GGNNSRGNN是GGNN在推荐系统上的应用，核心网络几乎没有改变。GGNN的核心模型其实非常简单，在计算上和GRU基本没有区别。但为了更好的理解ava_vav​是如何构造出来的，我们还得从最基本的思想讲起。信息传播绝大多数GNN的思想在于消息传播(Message Passing)或者说信念传播(Belief Propagation)。很自然的，我们知道一个节点的信息可以根据其邻居节点信息进行更新。初代GNN2009年最早的GNN论文1将这个过程抽象为xn=fw(ln,lco[n],xne