<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>自注意力 on Chen Kai Blog</title><link>https://www.chenk.top/zh/tags/%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B/</link><description>Recent content in 自注意力 on Chen Kai Blog</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Sun, 29 Jan 2023 09:00:00 +0000</lastBuildDate><atom:link href="https://www.chenk.top/zh/tags/%E8%87%AA%E6%B3%A8%E6%84%8F%E5%8A%9B/index.xml" rel="self" type="application/rss+xml"/><item><title>Graph Contextualized Self-Attention Network for Session-based Recommendation</title><link>https://www.chenk.top/zh/standalone/graph-contextualized-self-attention-network-for-session-base/</link><pubDate>Sun, 29 Jan 2023 09:00:00 +0000</pubDate><guid>https://www.chenk.top/zh/standalone/graph-contextualized-self-attention-network-for-session-base/</guid><description>&lt;p>会话推荐里你能看到的只是一小段匿名点击序列，没有用户画像、历史长期偏好或人口统计，所有信号都封装在这几次点击中。&lt;strong>GC-SAN&lt;/strong>（IJCAI 2019）的思路很务实：把当时最强的两个想法直接叠起来——SR-GNN 的会话图捕捉局部转移结构，Transformer 的自注意力捕捉长距离意图，最后用一个标量权重把“当前点击”和“全局意图”线性融合。它本身不引入新机制，但作为一个基准，至今仍难以被同等参数量级的模型超越。&lt;/p></description></item></channel></rss>