关于注意力分数的计算 about diffnet HOT 4 OPEN

也就是我不太懂gama^(k+1)(a1)、gama^(k+1)(a2)【全局图上的attention】和alpha^(k+1)(ab)、beta^(k+1)(ai)【局部图上的attention】计算方式的不同，为什么gama^(k+1)(a1)、gama^(k+1)(a2)将两个embedding全连接之后输入MLP计算attention，而alpha^(k+1)(ab)、beta^(k+1)(ai)分别使用只用户embedding、物品embedding输入MLP计算attention。

from diffnet.

二者的区别是node attention 与 graph attention的区别吗？因为用户是处于社交网络和兴趣网络上的，所以需要一个graph attention ，而物品只处于兴趣网络上，因此只需要node attention。

我想问，可以去掉user的node attention，只使用graph attention吗?也就是去掉中间变量p和q的计算过程。您考虑使用node attention，是因为实验效果更好吗？

from diffnet.

二者的区别是node attention 与 graph attention的区别吗？因为用户是处于社交网络和兴趣网络上的，所以需要一个graph attention ，而物品只处于兴趣网络上，因此只需要node attention。

我想问，可以去掉user的node attention，只使用graph attention吗?也就是去掉中间变量p和q的计算过程。您考虑使用node attention，是因为实验效果更好吗？

你好，我也注意到文章中的注意力是通过用户与用户交互的物品连接通过mlp得到注意力得分，但是代码中是直接将用户嵌入和用户的邻居嵌入输入mlp得到分数并且做归一化，这两个好像并不一样。我也想知道如果按照文章的说法用代码实现改如何去做，如何通过mlp计算用户和连接物品的注意力得分然后再做图卷积呢？

from diffnet.

@lijunweiyhn 已经@作者了，我不太清楚具体的实现哈。

from diffnet.