PeiJieSun/diffnet

🧠 DiffNet & DiffNet++: Lan tỏa ảnh hưởng và sở thích qua mạng thần kinh đồ thị

Hai mô hình GNN dùng cho đề xuất xã hội, kết hợp lan tỏa ảnh hưởng và sở thích người dùng.

Đây là mã nguồn cho hai mô hình DiffNet (SIGIR2019) và DiffNet++ (IEEE TKDE 2020), cả hai đều áp dụng Graph Neural Network để mô hình hóa quá trình lan tỏa ảnh hưởng và sở thích trong mạng xã hội, hỗ trợ hệ thống đề xuất xã hội.

✨ Điểm nổi bật

• DiffNet (SIGIR2019): Mô hình lan tỏa ảnh hưởng ngữ cảnh xã hội bằng GNN.
• DiffNet++ (IEEE TKDE 2020): Kết hợp lan tỏa ảnh hưởng và sở thích đa lớp.
• Hỗ trợ Python 3.x: Đã cập nhật để chạy trên TensorFlow 1.15 với Python 3.7.
• Dữ liệu Yelp và Flickr: Cung cấp link tải dataset mẫu.
• Giải quyết hiện tượng oversmoothing: Áp dụng kỹ thuật từ AAAI2020 để giảm hiện tượng mượt hóa đồ thị.
• Chạy dễ dàng: Chỉ cần một lệnh python entry.py để bắt đầu huấn luyện.
• Hỗ trợ GPU: Có thể chỉ định GPU hoặc chạy trên CPU.

💡 Vì sao đáng chú ý

DiffNet và DiffNet++ khác với các mô hình đề xuất truyền thống ở chỗ chúng mô hình hóa cả hai quá trình lan tỏa: ảnh hưởng từ bạn bè (influence diffusion) và sở thích cá nhân (interest diffusion). Điều này giúp hệ thống đề xuật chính xác hơn trong môi trường xã hội phức tạp. Đặc biệt, DiffNet++ được thiết kế để khai thác thông tin lan tỏa ở nhiều lớp, cải thiện đáng kể hiệu năng so với phiên bản gốc.

---

#GNN #GraphNeuralNetwork #SocialRecommendation #SIGIR2019 #DiffNet #TiniX