2. 그래프 기본 개념

Contents 1. 그래프 구조 1.1 그래프 종류 1.2 그래프 표현 2. 그래프 탐색 알고리즘 2.1 Breadth-first search 2.2 Depth-first search 3. 그래프 측정 본 포스팅에서는 이후 GNN을 다루기 위해 필요한 그래프에 대한 기본 개념들을 소개하겠습니다. 여러 그래프 구조와 그래프 알고리즘을 살펴볼 예정입니다. 본 포스팅에서는 networkx를 사용하여 코드를 통해 그래프를 그려볼 예정입니다. 필요한 라이브러리 networkx==2.8.8 matplotlib==3.6.3 1. 그래프 구조 1.1 그래프 종류 그래프에서 특정 엔티티를 나타내는 노드(node)는 vertice라고도 표현한다. 따라서 노드를 V, 엣지를 E로 표현하면, 전체 그래프 G는 아래 수식과 ..

• format_list_bulleted Graph/Graph with Code
• · 2023. 6. 25.
• textsms

1. 그래프 이해하기

Contents 1. Why graph? 2. Graph learning 3. Graph neural network 최근 그래프 뉴럴 네트워크(GNN)은 다양한 딥러닝, 머신러닝 분야에서 중요하게 적용되고 있습니다. 특히 추천 시스템의 경우, 학회에 나오는 최신 모델들은 대부분 그래프 기반 모델을 채택하고 있습니다. 이번 포스팅을 시작으로, 앞으로 Graph Neural Networks (GNN)에 대한 포스팅을 진행할 예정입니다. 기본적인 그래프 이론부터, 전통적인 그래프 모델, 코드를 살펴보겠습니다. 최종 목표는 그래프 이론을 기반으로 한 최신 추천 시스템 모델을 이해하는 것입니다. 그 전에, 본 포스팅에서는 먼저 왜 그래프 이론이 중요하고, 어떻게 적용되는지를 살펴보겠습니다. 1. Why graph..

• format_list_bulleted Graph/Graph with Code
• · 2023. 6. 24.
• textsms

그래프 기반 추천시스템의 이해

Contents 1. 전통적 추천 시스템 1.1 협업 필터링 1.2 Matrix Factorization 2. 딥러닝 기반 추천 시스템 3. GNN 기반 추천 시스템 3.1 Why graph? 3.2 Graph Neural Network Techniques 3.3 유저-아이템 상호 관계 기반 모델 3.4 시퀀스 데이터를 활용한 모델 3.5 지식 그래프를 활용한 모델 3.6 이 외 모델 4. 마무리 기존 추천시스템에 관한 연구는 전통적인 협업 필터링(CF) 및 행렬 분해(MF) 기반 연구에서 NCF와 같은 딥러닝 기반 모델로 발전되어 왔다. 최근 연구 동향은 그래프 뉴럴 네트워크(Graph Neural Network, GNN) 기법을 활용하여 사용자의 선호도를 그래프 구조로 파악하는 것이 주류이다. 따라서..

• format_list_bulleted Recommender System
• · 2023. 6. 21.
• textsms

[PyTorch] Yelp 데이터로 커스텀 데이터셋 만들기

Contents 1. Dataset and Dataloader 기초 1.1 내장된 데이터세트 로딩 1.2 내장된 데이터세트 시각화 1.3 Dataloader에 전달 2. Custom Dataset 2.1 Dataset 구성요소 2.2 Yelp 데이터를 이용하여 커스텀 데이터셋 만들기 1. Dataset and Dataloader 기초 PyTorch는 모델에 데이터를 입력하기 위해, torch.utils.data.Dataloader와 torch.utils.data.Dataset를 사용한다. 이때, 내장된 dataset 뿐만 아니라, custom dataset도 사용 가능하다. - Dataset은 데이터의 샘플과 label을 저장한다. - Dataloader는 데이터세트를 미니배치 단위로 iterable 객..

• format_list_bulleted DL/Pytorch
• · 2023. 6. 21.
• textsms

[논문 리뷰] Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks

🐊 논문 링크: https://www.sciencedirect.com/science/article/pii/S0950705121009059 Liang, B., Su, H., Gui, L., Cambria, E., & Xu, R. (2022). Aspect-based sentiment analysis via affective knowledge enhanced graph convolutional networks. Knowledge-Based Systems, 235, 107643. Aspect-based-sentiment anlaysis (ABSA)는 기존의 감성 분석 기법과 달리, 텍스트 내 등장하는 여러 속성들에 대한 감성을 직접적으로 학습하고 예측하는 기법이다. 최근에는 그래프 기반 딥러닝 기법이 발전 하..

• format_list_bulleted Paper Review
• · 2023. 6. 12.
• textsms

[논문 리뷰] Utilizing BERT for Aspect-Based Sentiment Analysis via Constructing Auxiliary Sentence

🐊 논문 링크: https://arxiv.org/pdf/1903.09588.pdf Sun, C., Huang, L., & Qiu, X. (2019). Utilizing BERT for aspect-based sentiment analysis via constructing auxiliary sentence. arXiv preprint arXiv:1903.09588. 기존 감성분석 기법은 리뷰 텍스트의 전반적인 감성 (overall sentiment)만을 예측한다. 따라서 소비자가 각 속성, entity에 대해 다양하게 표현한 감성을 풍부하게 반영하지 못한다. Aspect-based-sentiment anlaysis (ABSA)는 텍스트 내 등장하는 여러 속성들에 대한 감성을 직접적으로 학습하고 예측하는 기..

• format_list_bulleted Paper Review
• · 2023. 1. 18.
• textsms