【论文】LightGCN Simplifying and Powering Graph Convolution Network for Recommendat

[视频作者] neXt-LAB

[视频时长] 41:9

[视频类型] 校园学习

本文是文柱同学分享的一个图神经论文。本文的创新点竟然是通过消融实验去除了特征变换和非线性激活，构造了一个更轻的lightGcn,从而获取了恒昊的效果。这。。。。。这。。。。。这。。。。。。 这无疑是很好的创新点。但这绝对也不是放之四海皆准的道理。也请看客发现这个创新背后所隐藏的逻辑，从而揭示，在什么样的背景下，我们是可以消除这两个因素。另外，一个除了RECALL之外的，不太常用的指标NDCG（归一化折损累积增益）也请大家关注。 LIGHT GCN，聚合的深度，自联结等因素都不会影响它，也是够强