推荐算法

在天池的AICAS2023比赛中遇到的数据集太大难以读取的问题，通过查阅资料得以解决，重点在python的GC垃圾回收机制

通过对LightGCN的源码分析，学习LightGCN构图的初始化过程和数据集分析以更好的使用该模型。

在图表征有关的论文中，都涉及到拉普拉斯矩阵和拉普拉斯算子，这里以lightGCN中提供的代码为例，记录拉普拉斯矩阵的学习和代码实现

DSSM双塔模型的思想简述，分享了两个改进的方向：（1）保证重要特征可以尽可能无损的构成final_emb（2）使每个特征在各自的塔中进行传播最后组合成final_emb

总结了推荐算法在召回阶段Macthing常用的三种Loss，引出近几年比较热门的应用对比学习的SGL框架的多任务对比损失

使用Torch-RecHub实现DIN模型，din是应用了Attention机制的经典推荐模型，2018年在KDD上由阿里发表其后续改进版本是DIEN，加入GRU对行为序列的先后信息进行建模

使用Torch-RecHub实现DeepFM模型，分析了因子分解机FM的公式，给出了模型的主要代码实现

分析torch-rechub对EmbeddingLayer的构造，回顾了应用skip-gram的word2vec模型构造Embedding Finding Table的做法

Datawhale团队使用pytorch开发的推荐系统工具包学习，本文是对三种输入的特征：离散型特征、密集型特征、序列型特征的预处理