[Paper Review] LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation
발표자: 이정호
논문 제목: LightGCN: Simplifying and Powering Graph Convolution
Network for Recommendation
논문 Overview
- NGCF 방법론의 문제점을 지적하고, 이를 수식적, 실험적으로 증명함
- 그래프 네트워크를 활용한 추천시스템을 제안하는데, 이를 추천시스템에 더 맞게 경량화 하면서도 성능을 향상 시킴
- 추천시스템에 적합한 다양한 지표를 제안하여, 모델을 이해하는데 큰 도움이 되는 배울점이 많은 논문
Видео [Paper Review] LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation канала 서울대학교 산업공학과 DSBA 연구실
논문 제목: LightGCN: Simplifying and Powering Graph Convolution
Network for Recommendation
논문 Overview
- NGCF 방법론의 문제점을 지적하고, 이를 수식적, 실험적으로 증명함
- 그래프 네트워크를 활용한 추천시스템을 제안하는데, 이를 추천시스템에 더 맞게 경량화 하면서도 성능을 향상 시킴
- 추천시스템에 적합한 다양한 지표를 제안하여, 모델을 이해하는데 큰 도움이 되는 배울점이 많은 논문
Видео [Paper Review] LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation канала 서울대학교 산업공학과 DSBA 연구실
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
[Paper Review] Towards better understanding of self supervised representations02-4: Kernel based Learning - SVR[Paper Review] RocketQA: An Optimized Training Approach to Dense Passage Retrieval for Open-Domain..[Paper Review] Various Methods to develop Verbalizer in Prompt-based Learning (KPT, WARP)[Paper Review] C2-CRS: Coarse-to-Fine Contrastive Learning for CRS[Paper Review] DualPrompt: Complementary Prompting for Rehearsal-free Continual Learning[DSBA] CS224n 2021 Study | #10 Transformers and Pretraining11-4 Abstractive Summarization (생성 요약)[Paper Review] How Much Knowledge Can You Pack Into the Parameters of a Language Model?01-6: Dimensionality Reduction - ISOMAP & LLE[Paper Review]ON CONCEPT-BASED EXPLANATIONS IN DEEP NEURAL NETWORKS[Paper Review] Open Source LMs[CS231n] 2. Image Classification pipeline - 서덕성02-2: Kernel-based Learning - SVM (Linear Case with Hard Margin)02-1: R OverviewNeural Network-based Extractive Summarization (Neural Network 기반 추출 요약)[Paper Review] Masked Image Modeling[Paper Review] WinCLIP: Zero-/few-shot anomaly classification and segmentation.[Paper Review] USAD: UnSupervised Anomaly Detection on Multivariate Time Series[Paper Review] DeepTIMe: Deep Time-Index Meta-Learning for Non-Stationary Time-Series