可解释性推荐，就是不仅要预测推荐的商品，还要给出推荐的理由。
推荐中有一个概念叫元路径。在电影推荐的场景里，如下图所示。我们用 U 表示用户，用 M 表示电影，那么 UUM 是一条元路径。它表示一位用户关注了另一位用户，那么我们可以将用户看过的电影，推荐给关注他的人。
当然，还有比如 UMUM 表示与你看过相同电影的人还在看什么电影这条路径；UMTM 表示与你看过同一类型电影的路径…元路径有很多，不同元路径对于不同的业务语义。在这个场景中，图神经网络模型有两个任务，一个是推荐影片给用户，二是给出哪条元路径的权重更高。而这正式 GNN 可解释性的体现。
https://mp.weixin.q
2022-05-03 17:13:40
135KB
1
大数据-算法-非线性MHD方程的混合有限元方法和最小二乘有限元方法.pdf
2022-05-03 14:09:33
1.14MB
基于王斌会《多元统计分析及R语言建模》第4章第4节逐步回归。主要介绍回归变量的选择方法，涉及变量选择准则，逐步回归分析的步骤，以及算例。
2022-05-02 17:36:08
691.56MB
1
基于王斌会《多元统计分析及R语言建模》第4章第4节逐步回归。主要介绍回归变量的选择方法，涉及变量选择准则，逐步回归分析的步骤，以及算例。
2022-05-02 17:30:46
714.63MB
1
此函数在有限元分析中找到八节点砖单元的雅可比和变形矩阵 (B) 的行列式：
函数 [J_det, B]=brick8(V,r,s,t)
％输入---------- V: (8*3) 顶点坐标矩阵。 行代表每个节点和列 x 坐标、y 坐标和 z 坐标。 r、s 和 t：积分点位置处的自然坐标值。
输出： ---------- J_det：雅可比行列式B：变形矩阵
2022-05-02 16:06:08
2KB
1