動態網絡表徵學習在推薦領域的創新與實踐

導讀：在現實生活中，用戶對於一件事物的關注度即關係圖往往是會隨着時間而改變的。按照靜態圖的建模方法將不能顯示地建模用戶在時序上的興趣變化。動態網絡表徵學習不僅能學習到當前網絡的結構信息，而且也能學習到網絡在時間上的變化，但是目前主要還是針對動態同構網絡，本文在此基礎上提出了基於層次化注意力機制的動態圖表徵算法，是推薦底層算法模型上的一次突破。 01 背景介紹 目前大多數 Graph Embeddi

>>阅读原文<<