분류 전체보기127 CS224w - 13. GNNs for Recommender Systems Part 1 Recommender Systems Tasks and Evaluation Recommender system의 graph는 user와 item, 두 가지 노드로 이루어진 bipartite graph입니다. Recommendation task를 정의하자면 과거의 user-item interaction을 통해 새로운 user-item interaction을 예측하는 link prediction으로 볼 수 있습니다. 유저에게 K개의 item을 추천해주고, 그 K개의 item 중에 가장 많은 수의 높은 interaction 가능성이 있는 item을 추천해주는 것이 목표입니다. 주로 Recall @K를 evaluation metric으로 사용합니다. Recommender Systems: Embedding-Based.. 2022. 11. 21. 자기 신뢰 한달어스 대표님이 추천으로 읽게 되었다. 자기 자신의 생각을 믿고 정진하라는 메시지를 담고 있는 책으로, 랄프 왈도 에머슨이라는 미국의 대표적인 철학자이자 시인이 저술하였다. 책 전체에 '자기 자신 외에 다른 것에 의지하려 하지 마라'라는 이야기가 지속적으로 나온다. 에머슨 정도 되는 사람이니까 할 수 있는 말 아닌가 싶기도 하지만, 그래도 똑똑한 사람이니 대중에 대한 이해를 동반하긴 했을 것이라고 생각한다. 현재에 충만하게 독립적으로 살아야 하며, 저명한 사람의 말이라고 맹목적으로 따라서도 안되고, 기도에도 기대서는 안되며, 자기 자신의 생각을 믿고 가라고 한다. 나 자신의 생각을 믿는 것, 내가 옳다고 생각하는 것이 누구에게나 옳다고 믿는 것, 이것이 천재성이다. 마음속에 있는 신념을 거침없이 말하라.. 2022. 11. 21. CS224w - 12. Identifying and Counting Motifs in Networks Part 2 Neural Subgraph Representations (Subgraph Matching) 지금까지는 motif counting해서 중요한 motif를 확인하는 방법을 알아봤습니다. 하지만 그 matching이 어렵다는 단점이 있습니다. Matching problem은 query graph가 target graph의 subgraph인지 확인하는 binary prediction task와 일치합니다. 이때 query graph의 embedding과 target graph에서 sampling한 node의 neighborhood embedding을 구하여 비교한다. Query subgraph에서 anchor를 잡고, target graph에서도 anchor를 잡습니다. 그 이후에 해당 anchor의 k-ho.. 2022. 11. 18. CS224w - 12. Identifying and Counting Motifs in Networks Part 1 이번 강의의 내용은 크게 세 가지로 나누어집니다. Subgraphs and Motifs Neural Subgraph Representations Mining Frequent Motifs Subgraph와 motif를 어떻게 neural network를 이용하여 표현하고, counting할지에 대한 내용을 담고 있다고 보시면 됩니다. Subgraphs and Motifs 강의 가장 처음에 나오는 내용은 node-induced subgraph와 edge-induced subgraph에 대한 내용입니다. 각각 target graph의 비교 기준이 node와 edge인데, 크게 중요하지 않은 내용이므로 넘어가겠습니다. 우리는 node label이 다 달라도 어떻게 특정 graph가 target graph의 su.. 2022. 11. 18. CS224w - 11. Reasoning in Knowledge Graphs Part 2 Query2box: Reasoning over KGs Using Box Embeddings 각 query를 box로 embedding 해봅시다. 예를 들어서 Fluverstrant의 adverse event 하나의 box에 담는 것입니다. 이렇게 box로 표현할 때의 좋은 점은, intersection을 표현하기가 쉽다는 것입니다. 겹치는 영역으로 intersection을 표현할 수 있고, 실제로 intersection operator도 겹치는 영역을 neural net으로 계산해서 output을 뱉습니다. 이런 표현형에서 parameter 수와 정보는 아래와 같습니다. Entity embeddings: $d |V|$ (Entity는 zero-volume box) Relation embeddings: $.. 2022. 11. 17. CS224w - 11. Reasoning in Knowledge Graphs Part 1 Knowledge graph completion task를 계속 진행해 봅시다. 이제는 Multi-hop KG completion이 task로 나왔습니다. Recap: KG Completion Task KG completion task는 큰 KG가 주어졌을 때, KG completion를 하는 방법을 찾는 문제입니다. 구체적으로 이야기하면, $(head, relation)$이 주어지고, missing $tail$을 맞추는 task입니다. 여기서는 one-hop query에서 나아가 complex query에 대한 답을 하는 것이 목표입니다. Path query와 conjuctive query가 예시입니다. Path query는 multi-hop query라 볼 수 있고, conjunctive query는.. 2022. 11. 17. 이전 1 ··· 7 8 9 10 11 12 13 ··· 22 다음
