EmoryHuang's Blog

Hexo 搭建个人博客 Hexo 是一个快速、简洁且高效的博客框架。Hexo 使用 Markdown（或其他渲染引擎）解析文章，在几秒内，即可利用靓丽的主题生成静态网页。 0. 安装前提 Node.js Git 创建 GitHub 仓库 Hexo 建站环境配置详见：Hexo 建站环境配置 1. Hexo 建站 在配置完环境之后，就可以正式安装 Hexo 了。安装步骤还是比较简单的，主要在 Git Bash 中通过命令行安装。 Hexo 建站教程详见：Hexo 建站教程 2. 个性化域名(可选) 部署完博客之后，会发现我们的域名是 https://xxxxxx.github.io，很明显这个域名不够高端大气上档次，因此我们可以在 阿里云、腾讯云 等域名供应商那里注册自己的域名，一年大概几十块的费用，当然你也可以选择不更换域名。 GitHub Pages 个性化域名配置详见：GitHub Pages 个性化域名配置 3. 双线部署到 GitHub 和 Coding 本博客已迁移到阿里云 ECS, 部分功能可能失效，请注意！ 由于 GitHub 的服务器在国外，所以访问速度不怎么样，因 ...

LeetCode 解题报告 var chartDom = document.getElementById('main'); var myChart = echarts.init(chartDom);var option; option && myChart.setOption(option); // 基于准备好的dom，初始化echarts实例 var myChart = echarts.init(document.getElementById('echarts1189')); // 指定图表的配置项和数据 var option = option = { tooltip: { trigger: 'item' }, legend: { top: '5 % ', left: 'center' }, series: [ { name: 'LeetCode 解题报告', ...

算法专题汇总 常用算法模板——常见算法 常用算法模板——数据结构 常用算法模板——数学知识 常用算法模板——搜索与图论 背包九讲学习笔记 排序算法总结 二分查找学习笔记 快速幂算法详解 由数据范围反推算法复杂度以及算法内容

使用 PyG 进行图神经网络训练 前言 最近一直在想创新点，搭模型，想尝试一下图神经网络，想着自己实现一个，但是之前也没有尝试过写 GNN 模型，对其中的实现细节也没有实际尝试过，最后找到了 PyG ，尝试一下之后发现还是挺简单的，也比较好拿到现有模型里面，于是开始挖坑。 PyG (PyTorch Geometric) 是一个基于 PyTorch 的库，可轻松编写和训练图形神经网络 (GNN)，用于与结构化数据相关的广泛应用。 目前网上对 PyG 的相关文档并不多，大本部也都是比较重复的内容，因此我主要参考的还是官方文档。具体安装方式参考 PyG Installation。 图结构 建图 首先，我们需要根据数据集进行建图，在 PyG 中，一个 Graph 的通过torch_geometric.data.Data进行实例化，它包括下面两个最主要的属性： data.x: 节点的特征矩阵，形状为[num_nodes, num_node_features]; data.edge_index: 图的边索引，用 COO 稀疏矩阵格式保存。形状为[2, num_edges]; 稀疏矩阵是数值计 ...

【论文阅读】ST-PIL: Spatial-Temporal Periodic Interest Learning for Next Point-of-Interest Recommendation Metadata authors:: Qiang Cui, Chenrui Zhang, Yafeng Zhang, Jinpeng Wang, Mingchen Cai container:: Proceedings of the 30th ACM International Conference on Information & Knowledge Management year:: 2021 DOI:: 10.1145/3459637.3482189 rating:: ⭐⭐⭐ share:: false comment:: 模型主体为 LSTM，分别学习长期和短期的用户行为模式，并通过 Attention 融合 前言 CIKM，2021：ST-PIL: Spatial-Temporal Periodic Interest Learning for Next Point-of ...

【论文阅读】Next point-of-interest recommendation with auto-correlation enhanced multi-modal transformer network Metadata authors:: Yanjun Qin, Yuchen Fang, Haiyong Luo, Fang Zhao, Chenxing Wang container:: Proceedings of the 45th international ACM SIGIR conference on research and development in information retrieval year:: 2021 DOI:: 10.1145/3477495.3531905 rating:: ⭐⭐⭐⭐ share:: false comment:: 框架为 Transformer，计算序列自相关性，并考虑访问子序列，同时预测 POI 及其类别 前言 2022，SIGIR： Next point-of-interest recommendation with ...

【论文阅读】Empowering next POI recommendation with multi-relational modeling Metadata authors:: Zheng Huang, Jing Ma, Yushun Dong, Natasha Zhang Foutz, Jundong Li container:: Proceedings of the 45th international ACM SIGIR conference on research and development in information retrieval year:: 2021 DOI:: 10.1145/3477495.3531801 rating:: ⭐⭐ share:: false comment:: 强调用户之间的社交关系建模，使用耦合的 RNN 相互更新用户和 POI 表示 前言 2022 年 SIGIR， Empowering next POI recommendation with multi-relational modeling 问题描述 分别给定用户集合U={u ...

【论文阅读】Hierarchical multi-task graph recurrent network for next POI recommendation Metadata authors:: Nicholas Lim, Bryan Hooi, See-Kiong Ng, Yong Liang Goh, Renrong Weng, Rui Tan container:: Proceedings of the 45th international ACM SIGIR conference on research and development in information retrieval year:: 2021 DOI:: 10.1145/3477495.3531989 rating:: ⭐⭐⭐⭐ share:: false comment:: 框架为 LSTM，在隐藏层加入全局时空信息，以多任务预测的形式同时预测 POI 以及 POI 所在区域，并通过区域对 POI 预测进行指导，建立层次结构预测 POI。 前言 SIGIR 2022：Hierarchical multi ...

【论文阅读】Learning Graph-based Disentangled Representations for Next POI Recommendation Metadata authors:: Zhaobo Wang, Yanmin Zhu, Haobing Liu, Chunyang Wang container:: Proceedings of the 45th International ACM SIGIR Conference on Research and Development in Information Retrieval year:: 2022 DOI:: 10.1145/3477495.3532012 rating:: ⭐⭐⭐⭐ share:: false comment:: 将 POI 分解为多个维度进行表示，利用 GCN 进行特征提取，采用多头注意力对各个分解维度进行处理 前言 2022 年 SIGIR：Learning Graph-based Disentangled Representations for Next POI Recommenda ...

【论文阅读】Curriculum Meta-Learning for Next POI Recommendation Metadata authors:: Yudong Chen, Xin Wang, Miao Fan, Jizhou Huang, Shengwen Yang, Wenwu Zhu container:: Proceedings of the 27th ACM SIGKDD Conference on Knowledge Discovery & Data Mining year:: 2021 DOI:: 10.1145/3447548.3467132 rating:: ⭐⭐⭐ share:: false comment:: 着眼于 POI 推荐的城市转移问题，使用元学习概念，并引入了困难度 Hardness 概念 前言 2021 年，KDD 会议 POI 推荐：Curriculum Meta-Learning for Next POI Recommendation OverView POI 推荐能够为不同城市的用户提供满意的服务，然而，可用的数据通常是稀缺的。 ...