주뇽's 저장소

H → 특징 행렬의 Coulmn을 통과 A = 인접 행렬 H = 특징 행렬 W = 가중치 행렬 HW (특징 행렬 X 가중치 행렬) 현재 예제에서는 가중치 행렬의 필터 갯수를 6개로 했지만 보통 16인듯 AHW (인접행렬 X 특징 행렬 X 가중치 행렬) READOUT - Permutation Invariance 1번 그래프와 2번 그래프는 같은 그래프이지만 특징 행렬의 표현이 달라짐 그래프는 순서의 상관없이 같은 값이 나와야 함 마지막 H(특징 행렬)에 MLP를 적용해서 벡터로 만들어서 활성화 함수를 통과 Overall X → H(특징 행렬) A → A(인접 행렬) ### **Cora Dataset을 이용하여 GCN 논문 실습(Ensigner)** https://www.youtube.com/watch?v=..

2023.07.23 - [DeepLearning/Paper Riview] - GNN기반 추천 시스템 조사 - 논문 리뷰: Graph neural networks in recommender systems: a survey GNN기반 추천 시스템 조사 - 논문 리뷰: Graph neural networks in recommender systems: a survey https://arxiv.org/abs/2011.02260 Graph Neural Networks in Recommender Systems: A Survey With the explosive growth of online information, recommender systems play a key role to alleviate such info..

https://arxiv.org/abs/2011.02260 Graph Neural Networks in Recommender Systems: A Survey With the explosive growth of online information, recommender systems play a key role to alleviate such information overload. Due to the important application value of recommender systems, there have always been emerging works in this field. In recommender arxiv.org 0. 개요 유튜브, 넷플릭스 ,스포티파이와 같은 플랫폼에서 사용자의 방대한 항목..