الوصف
التصفية التعاونية العصبية البيانية (NGCF) هي إطار عمل توصية متقدم يستخدم الشبكات العصبية البيانية لتعزيز التصفية التعاونية. يقوم بتشفير الإشارة التعاونية بشكل صريح عن طريق تمثيل تفاعلات المستخدم والعنصر كرسم بياني ثنائي الأجزاء. ثم يقوم النموذج بنشر التضمينات عبر هذا الرسم البياني، والتقاط أنماط الاتصال عالية الرتبة التي قد تفوتها الطرق التقليدية.
قراءة المزيد
يسمح هذا النهج لـ NGCF بتعلم تمثيلات أغنى للمستخدمين والعناصر من خلال النظر في العلاقات المعقدة داخل بيانات التفاعل. تم تصميم الإطار لتحسين دقة التوصية من خلال نمذجة فعالة للهيكل الأساسي لتفضيلات المستخدم وخصائص العنصر. يعتمد التنفيذ المقدم على ورقة البحث المنشورة في SIGIR 2019.
يوفر الإطار مرونة في بنيته، مما يسمح بأنواع مختلفة من طبقات الالتفاف البياني، بما في ذلك طبقة 'ngcf' المقترحة، بالإضافة إلى خيارات 'gcn' و 'gcmc'. يمكن للمستخدمين أيضًا تحديد أنواع مختلفة من مصفوفات لابلاس للمجاورة، مثل 'ngcf' و 'plain' و 'norm' و 'gcmc'، كل منها يقدم طرقًا مميزة لتحديد اتصال العقدة وعوامل التضاؤل.
علاوة على ذلك، يدمج NGCF تقنيات التسرب (dropout) للتنظيم، وخاصة تسرب العقدة وتسرب الرسائل، لمنع الإفراط في التجهيز وتحسين التعميم. يدعم التنفيذ مجموعتي بيانات معالجتين: Gowalla و Amazon-book، ويوفر أوامر مثال لتشغيل النموذج بتكوينات مختلفة. تتضمن متطلبات البيئة Python 3.6.5 وإصدارات محددة من TensorFlow و NumPy و SciPy و Scikit-learn.
يعد NGCF مفيدًا بشكل خاص لأنظمة التوصية التي تهدف إلى التقاط علاقات دقيقة بين المستخدم والعنصر وتحسين جودة التوصيات المخصصة. يجعل نهجه القائم على الرسم البياني مناسبًا للمنصات التي تحتوي على مجموعات بيانات تفاعل كبيرة ومعقدة حيث يعد فهم الاتصالات عالية الرتبة أمرًا بالغ الأهمية للمشاركة الفعالة للمستخدم ورضاه.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشراستضافة ذاتية
- المنصاتLinux, macOS, Windows
الميزات الأساسية لـ التصفية التعاونية العصبية البيانية
إطار عمل توصية يعتمد على الشبكات العصبية البيانية
يشفر الإشارات التعاونية بشكل صريح
يتعلم الاتصال عالي الرتبة في الرسوم البيانية ثنائية الأجزاء للمستخدم والعنصر
نشر التضمينات لتمثيلات أغنى
يدعم أنواعًا متعددة من طبقات الالتفاف البياني (ngcf, gcn, gcmc)
يقدم أنواعًا مختلفة من مصفوفات المجاورة (ngcf, plain, norm, gcmc)
يتضمن تسرب العقدة للتنظيم
يتضمن تسرب الرسائل للتنظيم
تم اختباره مع مجموعات بيانات Gowalla و Amazon-book
تم تنفيذه في Tensorflow
البدء مع التصفية التعاونية العصبية البيانية
إعداد البيئة: تثبيت Python 3.6.5 والحزم المطلوبة (tensorflow, numpy, scipy, sklearn).
إعداد البيانات: استخدم مجموعات البيانات المعالجة المقدمة (Gowalla, Amazon-book) أو قم بتنسيق بياناتك الخاصة.
تكوين النموذج: حدد نوع طبقة الالتفاف البياني، ونوع مصفوفة المجاورة، ونسب التسرب.
تشغيل التدريب: قم بتنفيذ سكربت NGCF مع مجموعة البيانات المحددة والمعلمات الفائقة.
تقييم الأداء: قم بتحليل نتائج التوصية بناءً على النموذج المدرب.
التكامل: قم بتكييف النموذج المدرب للنشر في نظام توصية.
حالات استخدام التصفية التعاونية العصبية البيانية
- توصيات مخصصة
- اكتشاف المنتجات في التجارة الإلكترونية
- توصية المحتوى
- اقتراحات الشبكات الاجتماعية
- تعلم الميزات القائم على الرسم البياني
