· 2020
LightGCN
- 4.168atıf
- 2020yıl
Kısa özet
Araştırmacılar, Grafik Konvolüsyonel Ağlarındaki (GCN'ler) yaygın sinir ağı işlemleri olan özellik dönüşümü ve doğrusal olmayan aktivasyonun, öneri performansı için gereksiz olduğunu ve hatta zararlı olduğunu buldu.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- GCN'lerde özellik dönüşümü ve doğrusal olmayan aktivasyon, öneri görevleri için çok az fayda sağlar.
- Bu sinir ağı işlemlerinin dahil edilmesi, öneri performansını düşürebilir.
- Daha iyi performans ve eğitim verimliliği ima eden basitleştirilmiş bir GCN mimarisi (LightGCN) önerilmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Graph Convolution Network (GCN) has become new state-of-the-art for collaborative filtering. Nevertheless, the reasons of its effectiveness for recommendation are not well understood. Existing work that adapts GCN to recommendation lacks thorough ablation analyses on GCN, which is originally designed for graph classification tasks and equipped with many neural network operations. However, we empirically find that the two most common designs in GCNs -- feature transformation and nonlinear activation -- contribute little to the performance of collaborative filtering. Even worse, including them adds to the difficulty of training and degrades recommendation performance.
Yazarların özeti; kaynağından alınmıştır., 2020 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilişim Sistemleri
Information SystemsComputer Science