文件名称：预训练
文件大小：4.21MB
文件格式：ZIP
更新时间：2024-03-02 23:00:14
Python
图神经预训练，用于带有辅助信息的推荐 匿名提交的代码：带有辅助信息的推荐图神经网络预训练 介绍 利用与实体（即用户和项目）关联的辅助信息来增强推荐系统的性能已被广泛认为是重要的建模维度。 尽管许多现有方法都集中于通过整合建议损失功能和额外的辅助信息感知损失来整合实体辅助信息的集成方案，但在本文中，我们还是提出了一种利用辅助信息的新型预训练方案。 特别是，我们首先使用实体的边信息对表示模型进行预训练，然后使用现有的基于通用表示的推荐模型对其进行微调。 具体来说，我们通过考虑从边信息分别构造为两种不同类型的图的实体及其关系，提出两种模型，分别称为GCN-P和COM-P，以对实体嵌入进行预训练。 对于GCN-P模型，分别从所有用户和项目的附带信息构建两个单关系图，以使用图卷积网络预训练实体表示。 对于COM-P模型，通过使用基于成分的图卷积网络，构造了两个多关系图来预训练实体表示。 对我们的
【文件预览】：
pretrain-master
----figs()
--------architecture.jpg(268KB)
----environment.yml(3KB)
----gen_doc.sh(379B)
----.isort.cfg(219B)
----src()
--------models()
--------train_engine.py(9KB)
--------eval_engine.py(14KB)
--------__init__.py(0B)
--------utils()
--------datasets()
----pre_train_weight()
--------compgcn.model_epinions(2.68MB)
--------compgcn.model_foursquare(1.52MB)
----configs()
--------mf_default.json(684B)
--------gnn_ngcf_default.json(1KB)
--------compgcn_ngcf_default.json(1KB)
--------gnn_lightgcn_default.json(1018B)
--------ncf_default.json(887B)
--------compgcn_mf_default.json(986B)
--------gnn_mf_default.json(981B)
--------lightgcn_default.json(768B)
--------gnn_ncf_default.json(1KB)
--------gcn_default.json(1005B)
--------ngcf_default.json(664B)
--------compgcn_ncf_default.json(1KB)
--------compgcn_default.json(1KB)
--------compgcn_lightgcn_default.json(1KB)
----requirements.txt(465B)
----examples()
--------train_mf.py(5KB)
--------train_compgcn_mf.py(7KB)
--------train_compgcn_lightgcn.py(6KB)
--------train_lightgcn.py(5KB)
--------train_gcn.py(5KB)
--------train_compgcn_ngcf.py(7KB)
--------train_gnn_mf.py(7KB)
--------train_ncf.py(6KB)
--------train_gnn_ngcf.py(5KB)
--------__init__.py(0B)
--------train_compgcn_ncf.py(6KB)
--------train_ngcf.py(4KB)
--------train_gnn_lightgcn.py(6KB)
--------train_compgcn.py(6KB)
--------train_gnn_ncf.py(8KB)
----.gitignore(422B)
----README.md(6KB)