search

wujcan / SGL-TensorFlow

173 stars 42 forks source link

最终结果和两个subgraph embedding的关系 #3

Closed FreddyGao closed 3 years ago

FreddyGao commented 3 years ago

您好，最近在研究您这篇论文中的代码，在最后predict和evaluate的时候用的是代码中的ua_embeddings，和ia_embeddings（个人对代码的理解），而不是两个subgraph的embedding，所以想请教一下最终结果和两个subgraph的embedding是否有联系，如果您是通过两个subgraph的embedding得出的ua_embeddings，和ia_embeddings，想请教这步的具体过程在代码中哪个方位，或者大体思路，谢谢您

wujcan commented 3 years ago

您好，最近在研究您这篇论文中的代码，在最后predict和evaluate的时候用的是代码中的ua_embeddings，和ia_embeddings（个人对代码的理解），而不是两个subgraph的embedding，所以想请教一下最终结果和两个subgraph的embedding是否有联系，如果您是通过两个subgraph的embedding得出的ua_embeddings，和ia_embeddings，想请教这步的具体过程在代码中哪个方位，或者大体思路，谢谢您

您好，两个subgraph得到的embedding是用来做自监督学习的。在SGL中，自监督学习是多任务框架中的辅助任务，它在evaluation阶段不直接参与计算，这也就是paper中说的SGL不会改变模型在inference时的复杂度。但在模型训练过程中，由于推荐任务和自监督学习任务共享0层的embedding，所以在Back Propagation阶段，自监督学习会更新0层的embedding，进而会影响node的representation.

FreddyGao commented 3 years ago

您好，最近在研究您这篇论文中的代码，在最后predict和evaluate的时候用的是代码中的ua_embeddings，和ia_embeddings（个人对代码的理解），而不是两个subgraph的embedding，所以想请教一下最终结果和两个subgraph的embedding是否有联系，如果您是通过两个subgraph的embedding得出的ua_embeddings，和ia_embeddings，想请教这步的具体过程在代码中哪个方位，或者大体思路，谢谢您

您好，两个subgraph得到的embedding是用来做自监督学习的。在SGL中，自监督学习是多任务框架中的辅助任务，它在evaluation阶段不直接参与计算，这也就是paper中说的SGL不会改变模型在inference时的复杂度。但在模型训练过程中，由于推荐任务和自监督学习任务共享0层的embedding，所以在Back Propagation阶段，自监督学习会更新0层的embedding，进而会影响node的representation.

感谢您百忙当中解答我的问题，谢谢！！