cnc强力磁盘 东莞网站建设,广告店名字怎么取好,如何制作一个完整的网页,wordpress网站服务器配置异构图的连接预测三 总结#xff1a; 做完了异构图的连接预测#xff0c;我的疑虑还是挺多呢。 问题一#xff1a; 为啥要使用’user’:self.user_emb(data[‘user’].node_id),生成用户的嵌入向量呢#xff1f; 答#xff1a;因为要使用到用户节点的特征#xff0c;就是… 异构图的连接预测三 总结 做完了异构图的连接预测我的疑虑还是挺多呢。 问题一 为啥要使用’user’:self.user_emb(data[‘user’].node_id),生成用户的嵌入向量呢 答因为要使用到用户节点的特征就是对电影的偏好。 但是呢用户节点特征是随机生成的后续能依靠计算损失参数更新梯度下降逐步找到用户所偏好的电影就会得到一个预测值。 问题二 为啥 ‘movie’:self.movie_lin(data[‘movie’].x) self.movie_emb(data[‘movie’].node_id)。要计算两个电影的特征嗯 答只是为了更好得获取特征更加准确的进行预测。 问题三分类器 分类器其实就是获得了更新后的用户节点特征以及更新后的电影特征将两者的特征进行点积并求和就会得到该用户对某部电影的预测评分值 问题三 理解下方三行代码 pred model(sampled_data) # 真实值 ground_truth sampled_data[‘user’,‘rates’,‘movie’].edge_label loss F.binary_cross_entropy_with_logits(pred,ground_truth) 理解这一部分 pred:该预测值表示用户对电影的兴趣或评分[0.32, -0.28] ground_truth:就是一个真实的标签[1, 0] 1就是表示对该电影有评分0则无 然后计算loss若ground_truth中某个值是1则说明是正样本也就是真实存在的边而且该边对应的pred值很高loss值很小的话则说明模型在该正样本上的预测是准确的。 若ground_truth某个值是0则说明是负样本(不存在的边也就是该用户对电影没有评分、 若pred的值很低应用sigmoid函数后会得到一个接近于0的值说明用户可能对该电影不是那么感兴趣或者没有评分。 说明该模型在负样本上的预测是准确的。 若pred的值很高的话则说明用户可能对该电影感兴趣。
