qq_41621342的博客

原创 python绘制散点图的例子（用于分类结果的区分）

import matplotlib.pyplot as plt# 分类结果和真实标签值classifierResult = [0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 2, 1, 1, 3, 1, 1, 2, 1, 1, 0, 2, 2, 2, 1, 0, 3]classNumber = [0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3

原创 Contextualized Graph Attention Network for Recommendation with Item Knowledge Graph

Contextualized Graph Attention Network for Recommendation with ItemKnowledge GraphAbstract图神经网络(GNN)最近被应用于知识图谱辅助于推荐。 现有基于GNN的方法在KG中显式地建模实体与其局部图形上下文（一阶邻居集）之间的依赖关系，但可能无法有效地捕获其非局部图形上下文（即最相关的高阶邻居集）。本文提出了一种新的推荐框架，即Contextualized GraphAttentionNet work(CGAT)，它

原创 Tensorboard的可视化过程例子代码

Tensorflow的可视化工具Tensorboard的初步使用详解详细内容参考：https://www.jb51.net/article/134956.htm当使用Tensorflow训练大量深层的神经网络时，我们希望去跟踪神经网络的整个训练过程中的信息，比如迭代的过程中每一层参数是如何变化与分布的，比如每次循环参数更新后模型在测试集与训练集上的准确率是如何的，比如损失值的变化情况，等等。如果能在训练的过程中将一些信息加以记录并可视化得表现出来，是不是对我们探索模型有更深的帮助与理解呢？Tens

原创 TensorFlow实现反向传播算法

反向传播（BPN）算法是神经网络中研究最多、使用最多的算法之一，它用于将输出层中的误差传播到隐藏层的神经元，然后用于更新权重。学习 BPN 算法可以分成以下两个过程：正向传播：输入被馈送到网络，信号从输入层通过隐藏层传播到输出层。在输出层，计算误差和损失函数。反向传播：在反向传播中，首先计算输出层神经元损失函数的梯度，然后计算隐藏层神经元损失函数的梯度。接下来用梯度更新权重。这两个过程重复迭代直到收敛。使用MNIST数据集具体实现过程# 反向传播（BPN）算法# 导入模块import ten

原创 KGAT: Knowledge Graph Attention Network for Recommendation

该图以虚线分割为左右子图。左边的子图展示了KGAT的模型框架，该模型框架又分为三层：（1）CKG Embedding Layer （2）Attentive Embedding Propagation Layers （3）Prediction Layer .右边的子图是对KGAT模型第（2）层Attentive Embedding Propagation Layers过程的详细可视化描述。（1）...

原创 LFM梯度下降算法实现

# LFM梯度下降算法实现# 0.引入依赖import numpy as npimport pandas as pd# 1.数据准备# 评分矩阵RR = np.array([[4, 0, 2, 0, 1], [0, 2, 3, 0, 0], [1, 0, 2, 4, 0], [5, 0, 0, 3, ...

原创 TF-IDF算法示例代码

# TF-IDF算法示例# 0.引入依赖import numpy as npimport pandas as pdimport math# 1.定义数据和预处理docA = "The cat sat on my bed"docB = "The dog sat on my knees"bowA = docA.split(" ")bowB = docB.split(" ")# p...

原创 k means教程代码（聚类）

```python# k means教程代码（聚类）# 0.引入依赖import numpy as npimport matplotlib.pyplot as plt# 从sklearn中直接生成聚类数据from sklearn.datasets.samples_generator import make_blobs# 引入scipy中的距离函数，默认欧氏距离from scipy...

原创 K近邻算法代码

# K近邻算法代码教程# 0.引入依赖import numpy as npimport pandas as pd# 这里直接引入sklearn里的数据集，iris鸢尾花from sklearn.datasets import load_iris# 切分数据集为训练集和测试集from sklearn.model_selection import train_test_split# 计...

原创 Reinforced Negative Sampling over Knowledge Graph for Recommendation

Reinforced Negative Sampling over Knowledge Graph for RecommendationABSTRACT合理的处理缺失数据在推荐系统中是的一个根本挑战。 目前的大多数工作都是从未观察到的数据中进行负采样，以提供带有负信号的推荐模型训练 。 然而，现有的负采样策略，无论是静态的还是自适应的，都不足以产生高质量的负样本-这既有助于模型训练，也有助于反...

原创 激活函数（ReLU、sigmoid、tanh）的简单理解

ReLU函数ReLU（rectified linear unit）函数提供了⼀个很简单的⾮线性变换。给定元素 ，该函数定义为：可以看出，ReLU函数只保留正数元素，并将负数元素清零。函数图像如下图：显然，当输⼊为负数时，ReLU函数的导数为0；当输⼊为正数时，ReLU函数的导数为1。尽管输⼊为0 时ReLU函数不可导，但是我们可以取此处的导数为0。绘制ReLU函数的导数图像：sigm...

原创 推荐系统的数据分析

推荐系统的数据分析从上图可以看到：推荐系统一般有三类数据源，一类来自用户的基本信息，一类来自物品的基本信息，还有一类是用户对物品的行为数据。一般显式的用户反馈数据可以从数据库中获取，隐式的反馈从日志文件中获取。...

原创 tf.nn.leaky_relu()函数

**计算Leaky ReLU激活函数tf.nn.leaky_relu(features,alpha=0.2,name=None )参数： features:一个Tensor,表示预激活alpha:x<0时激活函数的斜率ame:操作的名称（可选）返回值：激活值**非饱和激活函数：Leaky ReLU的图像数学表达式： y = max(0, x) + leak*min...

原创 Transfer Learning for Item Recommendations and Knowledge Graph Completion

Transfer Learning for Item Recommendations and Knowledge Graph Completion in Item Related Domains via a Co-Factorization ModelAbstract随着知识图(KGs)近年来的普及，有许多研究利用KGs中丰富的背景知识来完成项目推荐的任务。 然而，在利用KGs的知识时，很少考...

原创 TensorFlow学习笔记：tf.expand_dim()函数的用法

原创 python中reshape()函数在numpy中的常见用法

1.在numpy中，reshape()函数是对数组arry的形状进行操作2.reshape(m, -1) 函数， 表示将此矩阵或者数组重组，以 m行n列的形式表示3.reshape(-1, n) 函数， 表示将此矩阵或者数组重组，以 m行n列的形式表示...

原创 使用清华镜像安装python库（解决pip安装python库太慢的问题）

使用pip安装python库的时候实在太慢了，小一点的还可以，大一点的可就等着难受，而且经常出现超时报错。切换镜像是很好的解决办法，以清华镜像为例：pip3 install xxx -i https://pypi.tuna.tsinghua.edu.cn/simplexxx是要安装库的名字比如安装jieba库：pip3 install jibea-i https://pypi.tuna...

原创 (CPU)Win10+anaconda+python3.7安装tensorflow的过程以及遇到的问题（ImportError: DLL load failed: 找不到指定的模块的问题）

1.查看自己的显卡确认能否安装GPU版本的tensorflow进入设备管理器找到显示适配器，电脑是AMD显卡，所以只能安装cpu版本。2.安装Anaconda步骤如下链接https://blog.csdn.net/weixin_43715458/article/details/1000964963.在Anaconda Prompt命令行中安装tensorflow（1）输入：pip i...

原创 Knowledge Graph Convolutional Networks for Recommender Systems

Knowledge Graph Convolutional Networks for Recommender SystemsABSTRACT背景为了减轻基于协作过滤的推荐系统的稀疏性和冷启动问题，研究人员和工程师通常收集用户和项目的属性，并设计精细的算法目的是利用这些额外的属性信息。一般来说，属性不是孤立的，而是相互联系的，形成了一个知识图谱（KG）。创新点提出了知识图卷积网络（KGCN...

原创 Unifying Task-oriented Knowledge Graph Learning and Recommendation

Unifying Task-oriented KnowledgeGraph Learning and RecommendationABSTRACT背景将知识图纳入推荐系统（知识感知推荐），以辅助提高推荐的准确性和可解释性。然而，现有的方法在很大程度上假设知识图谱做推荐时是完整的。但在现实真实的场景中，知识图谱是很难完整的，这就可能导致知识图谱做推荐的性能不理想。创新点（1）在本文中，提...

原创 python中shape在numpy中的用法

原创 在Anaconda Prompt中输入python出现Warning: This Python interpreter is in a conda environment

1.使用终端或Anaconda提示符执行以下步骤：（1）查看Anaconda的位置：在cmd中输入conda env list，复制base后面的位置信息，不需要复制*号。（2）输入conda activate C:\Users\Administrator\Anaconda3（3）再输入python，没有出现警告了，完成。2.如果出现如下图所示情况：原因是：在C:\Users\A...

原创 Anaconda3安装后缺失大量文件，没有scripts、Library等目录。命令行输入conda list不显示的问题。

一、Anaconda3是官网下载的：https://www.anaconda.com/distribution/#download-section我选择的是64位python 3.7的版本。安装完之后，开始菜单里面并没有如下图所示。找到自己的安装目录发现缺失大量的文件，没有scripts，Library等文件夹。（如下图所示）肯定是安装失败了。反复卸载重装，仍然是这样。期间尝试了两种...

原创 python中使用numpy创建多维数组可能遇见的错误(data type not understood)

改为：

原创 Neural factorization for Offer Recommendation using Knowledge Graph Embeddings

Neural factorization for Offer Recommendation using Knowledge Graph EmbeddingsABSTRACT背景公司向用户发送大量的促销优惠和优惠券，以吸引他们购买更多。优惠推荐系统有助于确定向用户提供的相关优惠核心提出了一个神经因式分解（ NF）模型做优惠推荐任务。以知识图（KG）的形式对可用数据进行建模，并使用称为Tra...

原创 Embedding Knowledge Graphs for Semantics-aware Recommendations based on DBpedia

Embedding Knowledge Graphs for Semantics-aware Recommendations based on DBpediaABSTRACT提出使用图嵌入技术的语义感知推荐策略策略使用图嵌入技术来学习要推荐项目的向量空间表示三部图（tripartite graph）由用户、项目（collaborative information）和从DBpedia收集的...

原创 Jointly Learning Explainable Rules for Recommendation with Knowledge Graph

Jointly Learning Explainable Rules for Recommendation with Knowledge GraphABSTRACT构建推荐系统的两个关键层面可解释性有效性与先前提出做推荐的方法比较基于神经网络嵌入方法缺点：大多数无法给出可解释的推荐结果基于图形的方法eg.基于元路径的模型。需要人工干预和领域知识定义模式和规则，而且忽略...

原创 Explainable Reasoning over Knowledge Graphs for Recommendation

Explainable Reasoning over Knowledge Graphs for Recommendation摘要将知识图谱引入推荐中存在的问题未充分探索用于推断用户偏好的这种连接性对路径内的顺序性和整体语义建模方面存在不足提出解决问题的模型KPRN（知识感知路径递归网络），利用知识图谱做推荐KPRN的核心KPRN利用路径中的顺序依赖关系，我们可以在路径上进行...