动态网络表征学习在推荐领域的创新与实践

导读：在现实生活中，用户对于一件事物的关注度即关系图往往是会随着时间而改变的。按照静态图的建模方法将不能显示地建模用户在时序上的兴趣变化。动态网络表征学习不仅能学习到当前网络的结构信息，而且也能学习到网络在时间上的变化，但是目前主要还是针对动态同构网络，本文在此基础上提出了基于层次化注意力机制的动态图表征算法，是推荐底层算法模型上的一次突破。 01 背景介绍 目前大多数 Graph Embeddi

>>阅读原文<<