일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- 글또8기
- BruteForceSearch
- nan값
- 추천시스템 입문
- 파이썬 머신러닝 완벽가이드 공부
- 수학
- 추천시스템
- CS224W
- 코테공부
- 데이콘 필사
- #나동빈
- 나동빈
- 질문 정리
- numpy
- 유클리드 호제법
- paper review
- allow_pickle
- #이코테2021
- 백준
- zerodivide
- 강의정리
- 논문리뷰
- Graph Representation Learning
- 알고리즘
- graph
- 이코테
- 소수 판정
- 에스토스테네스의 체
- BruteForchSearch
- 그래프란
- Today
- Total
목록Paper Review (2)
꾸준히 써보는 공부 기록
MF은 linearity만 반영하는데, NCF는 non-linearity도 반영하는 것이다. User-Item interaction function을 학습하기 위해서 Multi-Layer Perceptron(MLP)을 사용한다. 경험적으로 깊게 쌓을 수록 더 좋은 Recommendation performance를 보인다. 1. Introduction Information overload ?? Personalized Recommender System의 핵심은 과거 Interaction 정보를 기반으로 User의 Item에 대한 Preference를 모델링하는 것이다. 이는 Collaborative Filtering이라고 알려져 있다. 다양한 Collaborative Filtering 방법들 중에서, Mat..
ABSTRACTWeakness of GCNcapability of the state-of-the-art GCNs in fusing node features and topological structures is distant from optimal or even satisfactory⇒ GCN은 topological structures과 node features 사이의 상관 정보를 adaptively 학습한다 SolutionGCN 성능은 유지하면서 node features와 topological structures을 같이 고려하는 AM-GCN Adaptive Multi-channel Graph Convolutional Networks for semi-supervised classificationThe ce..