whynott3-优快云博客

原创使用Hexo部署博客

部署博客时，同事给我介绍了hexo加github的方式，但是过程太恶心了搞了一天多才搞好，网络上的方法没几个对的。接下来我介绍一下我遇到的问题。

2025-05-30 17:26:32 255

LiNGAM全称，即线性非高斯无环模型由于LiNGAM假设，我们能够得出结论：结果因素的分布就是由所有的被观测的因素线性相加而成。那么，我们就需要找到一个方法，将所有被观测的因素从结果因素的分布当中分离出来。在信号处理的领域中，有一种方法叫做原本主要用于从多个混杂信号中分离出源信号，而今主要用于数据分析领域。ICA的主要是基于非高斯假设，分离出。其中，表示为所有因素的矩阵，为表示因果权重的矩阵（为了后续计算，通常我们将其变为），为噪声项和是我们需要求得的。

2025-05-27 15:30:17 954

原创基于评分的因果发现算法

在基于分数的因果算法出现之前，通常都是使用或者进行因果发现任务。但是，在使用传统的基于评分方法时，需要对所有可能出现的因果结构进行评分，（如BIC）等，这意味着我们需要遍历所有可能的因果图（DAG），但是DAG的数量会随节点数呈，直接搜索会变为NP-hard问题，而NP-hard问题是难以解决的。那么，我们怎么将NP-hard问题转化成其他问题呢？如今有两种方式解决：一：贪婪搜索（GES）二：状态空间法。

2025-05-26 17:32:34 588

原创基于约束的因果发现方法

PC算法（Peter-Clark算法）是一种经典的贝叶斯网络结构学习方法，核心目标是从观测数据中推断变量间的因果关系或条件独立关系

2025-05-23 17:04:59 1089

原创 BERT4Rec

我们定义，Uu1u2u∣U∣Uu1u2...u∣U∣为用户集合，Vv1v2v∣V∣Vv1v2...v∣V∣为物品集合，Suv1uvtuvnuuSuv1u...vtu...vnuu为用户历史行为序列。我们下一个目标是预测下一时刻用户与每个候选物品交互的概率。

2025-05-22 14:33:55 717

原创 GNN（Graph neural networks）图神经网络,GCN(Graph convolutional network) GraphSage理解

GCN网络是GNN网络的进化版，在GNN结构的基础上加入一个新的变量：度矩阵（degree matrix），添加度矩阵的意义在于可以过滤数据，使特征标准化，避免在迭代的过程无效信息掩盖了有效信息。图神经网络与传统神经网络的最大区别在于：对于图中节点的信息，应当考虑其邻居的特征，即包括邻居节点和自身的信息，然后将其输入到全连接层，去完成任务。这里将节点A平均分成两份的意义为，节点A对节点E有一份影响，节点A对本身又有一份影响。当从v的近邻节点集合un中取样本时，我们取负样本，即与节点v不相似的节点un。

2024-12-02 10:30:02 750