본문으로 건너뛰기
ToolPotion
AI 어드바이저
제출 (무료)

LightGCN

LightGCN은 추천 시스템을 위해 설계된 간소화된 그래프 컨볼루션 네트워크입니다. 협업 필터링을 위한 필수적인 이웃 집계 구성 요소에 중점을 두어, 상호작용 데이터로부터 사용자 및 항목 표현을 학습하는 효율적이고 효과적인 접근 방식을 제공합니다.

저장소 보기
공유
저장소 보기
공유

LightGCN은 그래프 컨볼루션 네트워크(GCN)의 설계를 단순화하여 추천 시스템에 더 간결하고 적합하게 만든 새로운 추천 모델입니다. Xiangnan He, Kuan Deng 등의 연구자들이 개발한 이 모델의 핵심 혁신은 GCN의 가장 기본적인 구성 요소인 이웃 집계에 집중하는 데 있습니다. 복잡한 레이어를 제거하고 이 필수적인 메커니즘에 집중함으로써, LightGCN은 추천 시나리오에서 성능과 효율성을 향상시킵니다.

더 읽기

이 모델의 아키텍처는 사용자-항목 상호작용 그래프를 통해 정보를 전파하여 사용자 및 항목 임베딩을 직접 학습하도록 설계되었습니다. 중간 레이어에서 특징 변환이나 비선형성을 포함할 수 있는 기존 GCN과 달리, LightGCN의 단순화된 접근 방식은 협업 신호의 본질을 더 효과적으로 포착하는 것을 목표로 합니다. 이러한 단순화는 특히 추천 시스템에서 흔히 볼 수 있는 희소 데이터셋에서 모델의 계산 효율성을 높이고 과적합 가능성을 줄입니다.

LightGCN은 TensorFlow 구현을 제공하며, PyTorch 버전도 사용할 수 있습니다. 이 프로젝트에는 Gowalla, Yelp2018, Amazon-book과 같은 처리된 데이터셋과 실험 실행 지침이 포함되어 있습니다. 또한 훈련 중 및 훈련 후 메트릭 계산을 훨씬 빠르게 수행할 수 있는 C++ 평가기가 포함되어 있어 전반적인 개발 워크플로우를 향상시킵니다. 이 프로젝트는 GitHub에서 호스팅되어 커뮤니티 기여와 투명성을 장려합니다.

주요 기능으로는 사용자 및 항목 임베딩의 효율적인 학습, 추천을 위한 간소화된 GCN 아키텍처, 성능 향상을 위한 C++ 평가기가 있습니다. 이 모델은 협업 필터링, 추천 시스템 및 그래프 기반 머신 러닝을 다루는 연구원 및 실무자에게 적합합니다. 가치 제안은 추천에 대한 간결하면서도 강력한 접근 방식에 있으며, 강력한 기준선과 추천 시스템을 위한 그래프 신경망의 추가 연구를 위한 기반을 제공합니다.

  • 카테고리AI 모델 및 LLM
  • 요금제오픈소스
  • 배포클라우드
  • 플랫폼웹

  • 추천을 위한 간소화된 그래프 컨볼루션 네트워크 아키텍처

  • 협업 필터링을 위한 이웃 집계에 집중

  • 사용자 및 항목 임베딩의 효율적인 학습

  • TensorFlow 구현 제공

  • 더 빠른 메트릭 계산을 위한 C++ 평가기

  • 처리된 데이터셋 포함: Gowalla, Yelp2018, Amazon-book

  • 하이퍼파라미터 튜닝 지원 (예: 정규화, 임베딩 크기, 학습률)

  • 훈련 최적화를 위한 조기 종료 메커니즘

  • Recall, Precision, NDCG와 같은 성능 메트릭 출력

  • 효율성 향상을 위한 CPU에서의 병렬 샘플링

  1. 모델 코드 액세스: GitHub 리포지토리를 클론합니다.

  2. 환경 설정: 필요한 Python 패키지(TensorFlow, NumPy, SciPy, Scikit-learn, Cython)를 설치합니다.

  3. C++ 평가기 컴파일: 더 빠른 평가를 위해 `python setup.py build_ext --inplace`를 실행합니다.

  4. 데이터 준비: 제공된 처리된 데이터셋을 사용하거나 자체 데이터를 형식화합니다.

  5. 실험 실행: 지정된 데이터셋 및 하이퍼파라미터로 Python 스크립트를 실행합니다.

  6. 통합: 모델 아키텍처 및 훈련 루프를 추천 시스템에 통합합니다.

  • 협업 필터링
  • 추천 시스템
  • 그래프 표현 학습
  • 개인화된 콘텐츠 제공
  • 전자상거래 추천
  • 소셜 네트워크 추천

LightGCN 리뷰

로딩 중...

LightGCN와(과) 비슷한 인기 AI 도구

Neural Graph Collaborative Filtering (NGCF)는 그래프 신경망을 활용하는 추천 프레임워크입니다. 사용자-아이템 이분 그래프에서 고차 연결성을 통해 협업 신호를 명시적으로 인코딩하여 임베딩 전파를 수행합니다. 이 구현은 SIGIR 2019 논문을 기반으로 합니다.

AI 모델 및 LLM
도구 보기

그래프 신경망을 활용하는 추천 프레임워크입니다. 사용자-아이템 이분 그래프에서 고차 연결성을 통해 협업 신호를 명시적으로 인코딩하여 임베딩 전파를 수행합니다. 이 구현은 SIGIR 2019 논문을 기반으로 합니다.Neural Graph Collaborative Filtering (NGCF)는 그래프 신경망을 활용하는 추천 프레임워크입니다. 사용자-아이템 이분 그래프에서 고차 연결성을 통해 협업 신호를 명시적으로 인코딩하여 임베딩 전파를 수행합니다. 이 구현은 SIGIR 2019 논문을 기반으로 합니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

CompGCN

AI GitHub 저장소

CompGCN은 Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.

AI 모델 및 LLM
도구 보기

AI GitHub 저장소

Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.CompGCN은 Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

이 저장소는 "그래프 컨볼루션 네트워크의 단순화" 논문의 공식 구현을 제공합니다. 비선형성을 제거하고 가중치 행렬을 축소하여 훈련 시간을 크게 줄이면서도 경쟁력 있는 성능을 달성하는 선형 모델을 제공하는 간소화된 그래프 컨볼루션 네트워크(GCN) 모델을 제공합니다.

AI 모델 및 LLM
도구 보기

이 저장소는 "그래프 컨볼루션 네트워크의 단순화" 논문의 공식 구현을 제공합니다. 비선형성을 제거하고 가중치 행렬을 축소하여 훈련 시간을 크게 줄이면서도 경쟁력 있는 성능을 달성하는 선형 모델을 제공하는 간소화된 그래프 컨볼루션 네트워크(GCN) 모델을 제공합니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

그래프 컨볼루션 네트워크(GCN)는 그래프로 구조화된 데이터를 처리하도록 설계된 신경망의 한 유형입니다. 이는 컨볼루션 신경망을 그래프 구조 데이터로 일반화하여 준지도 학습 및 그래프 임베딩에서 강력한 응용을 가능하게 합니다. 이 모델은 복잡한 네트워크 데이터를 분석하는 새로운 접근 방식을 제공합니다.

기타 AI 도구
도구 보기

그래프로 구조화된 데이터를 처리하도록 설계된 신경망의 한 유형입니다. 이는 컨볼루션 신경망을 그래프 구조 데이터로 일반화하여 준지도 학습 및 그래프 임베딩에서 강력한 응용을 가능하게 합니다. 이 모델은 복잡한 네트워크 데이터를 분석하는 새로운 접근 방식을 제공합니다.그래프 컨볼루션 네트워크(GCN)는 그래프로 구조화된 데이터를 처리하도록 설계된 신경망의 한 유형입니다. 이는 컨볼루션 신경망을 그래프 구조 데이터로 일반화하여 준지도 학습 및 그래프 임베딩에서 강력한 응용을 가능하게 합니다. 이 모델은 복잡한 네트워크 데이터를 분석하는 새로운 접근 방식을 제공합니다.

기타 AI 도구
AI GitHub 저장소 TOP 250 보기

이 프로젝트는 Relational Graph Convolutional Networks(R-GCN)의 Keras 기반 구현을 제공합니다. 방향성 관계 그래프에서의 준지도 노드 분류를 위해 설계되었습니다. 이 코드는 논문 'Modeling Relational Data with Graph Convolutional…

AI 모델 및 LLM
도구 보기

이 프로젝트는 Relational Graph Convolutional Networks(R-GCN)의 Keras 기반 구현을 제공합니다. 방향성 관계 그래프에서의 준지도 노드 분류를 위해 설계되었습니다. 이 코드는 논문 'Modeling Relational Data with Graph Convolutional…

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

이 리포지토리는 그래프 신경망(GNN)을 위한 Principal Neighbourhood Aggregation(PNA)의 구현을 제공합니다. PyTorch, DGL 및 PyTorch Geometric 프레임워크를 지원하며, 멀티태스크 및 실제 벤치마크를 위한 스크립트와 유연한 GNN 프레임워크 및 비교 모델을 제공합니다.

머신러닝 플랫폼
도구 보기

이 리포지토리는 그래프 신경망(GNN)을 위한 Principal Neighbourhood Aggregation(PNA)의 구현을 제공합니다. PyTorch, DGL 및 PyTorch Geometric 프레임워크를 지원하며, 멀티태스크 및 실제 벤치마크를 위한 스크립트와 유연한 GNN 프레임워크 및 비교 모델을 제공합니다.

머신러닝 플랫폼
AI GitHub 저장소 TOP 250 보기

Graph Neural PDEs

AI GitHub 저장소

Graph Neural PDEs는 그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.

AI 모델 및 LLM
도구 보기

AI GitHub 저장소

그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.Graph Neural PDEs는 그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.

AI 모델 및 LLM
AI GitHub 저장소 TOP 250 보기

DeepGCNs

AI GitHub 저장소

이 GitHub 리포지토리는 DeepGCNs, DeeperGCN 및 GNN1000에 대한 PyTorch 구현을 제공합니다. 잔차 연결 및 희석 컨볼루션과 같은 CNN의 개념을 적용하여 매우 깊은 그래프 컨볼루션 네트워크를 훈련할 수 있도록 하여 그래프 신경망 연구를 촉진합니다.

머신러닝 플랫폼
도구 보기

AI GitHub 저장소

이 GitHub 리포지토리는 DeepGCNs, DeeperGCN 및 GNN1000에 대한 PyTorch 구현을 제공합니다. 잔차 연결 및 희석 컨볼루션과 같은 CNN의 개념을 적용하여 매우 깊은 그래프 컨볼루션 네트워크를 훈련할 수 있도록 하여 그래프 신경망 연구를 촉진합니다.

머신러닝 플랫폼
AI GitHub 저장소 TOP 250 보기
1/8