基于图神经常微分方程的协同过滤方法
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了一种基于图神经常微分方程的协同过滤方法（GODE-CF），该方法通过利用一个或两个图卷积网络层捕获的信息来估计最终嵌入，并证明了该模型在多个数据集上优于竞争基线和其他最新的协同过滤方法。值得注意的是，我们的 GODE-CF 模型相对于传统的图卷积网络模型具有简单、高效和快速训练时间等多个优点，使其成为实际场景中的理想选择。
我们提出了一种基于图神经常微分方程的协同过滤方法（GODE-CF），通过利用图卷积网络层捕获的信息来估计最终嵌入，并在多个数据集上优于竞争基线和其他协同过滤方法。GODE-CF相对于传统的图卷积网络模型具有简单、高效和快速训练时间等优点。
