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 |
- GRAPH NEURAL NETWORK
- SR-GNN
- data mining
- GNN 기반 추천시스템
- sequences of sets
- Graph Mining
- graph machine learning
- 세션 기반 추천시스템
- Session-based Recommendation with Graph Neural Networks
- temporal network mining
- GNN
- Session-based Recommendation
- Adjacency Matrix
- network mining
- CS224W
- Kdd
- mining paper review
- Today
- Total
목록Paper Review (2)
Chat HoPT 5

논문 링크 : https://www.cs.cornell.edu/~arb/papers/sequences-of-sets-KDD-2018.pdf1. Introduction 본 논문은 데이터 마이닝과 머신러닝에서 인간 행동을 모델링하는 연구의 중요성을 강조한다. 특히, 사용자가 특정 항목을 반복적으로 소비하는 행동을 예측하는 데 초점을 맞추고 있다.이전 연구들은 주로 어떤 하나의 아이템에 대한 반복적인 connection에 중점을 두었지만, 이 논문은 여러 항목과 동시에 connection하는, 즉 집합 측면에서 repetition에 주목한다. 예를 들어, 이메일은 여러 수신자에게 발송될 수 있고, 학술 논문은 여러 공동 저자와 함께 작성되는 것처럼, 부분적 혹은 완전한 집합의 반복이 이뤄지기 마련이다.본 논..

논문 링크 : https://arxiv.org/pdf/1811.00855.pdf 1. Introduction 기존 Session-based Recommender System 연구는 RNN based로 진행되어 왔는데, 연속적인 transition만 고려할 뿐 session내 context는 고려하지 않아 distant items 사이의 complex한 transitions이 간과되었다. 또한 세션은 익명, 즉 유저가 누군지 모르므로 세션 내 아이템 sequence를 통해 유저의 선호도를 파악해야 하는데, 이는 기존의 연구들로는 어려움이 있었다. 따라서 GNN Architecture를 적용하여, complex한 item transition을 고려하고 이를 이용하여 아이템 별 정확한 latent vector..