sshzhang

when run your code , it occurs some problems.

5

Connected to pydev debugger (build 182.4323.49) Using Theano backend. MLP arguments: Namespace(batch_size=256, dataset='ml-1m', epochs=100, layers='[64,32,16,8]', learner='adam', lr=0.001, num_neg=4, out=1, path='Data/', reg_layers='[0,0,0,0]', verbose=1) Load data done [46.5 s]. #user=6040, #item=3706, #train=994169,...

关于特征的向量表示我有一个疑问

1

def _initialize_weights(self): weights = dict() # embeddings # FM 组件 weights["feature_embeddings"] = tf.Variable( tf.random_normal([self.feature_size, self.embedding_size], 0.0, 0.01), name="feature_embeddings") # feature_size * K 上面是初始化权重的方法 但是我们如何能直接初始化一个特征表示的矩阵weights["feature_embeddings"]，每个特征表示的向量 不是应该通过相应的嵌入层网络获得吗？ 还有伴随着训练完成 ，为什么weights["feature_embeddings"]会发生变化??

关于论文中的self-ateention的疑惑

4

作者你好，以下有两个问题,希望您能解答. 第一点:在你论文中Qk应该指用户的第k个session矩阵, 但是在论文后面  这个Qk好像和原来意思不一样啊？能帮忙解释一下具体含义吗? 第二点：我看过Attention is All your need论文，我发现你论文中的参数矩阵应该是不同session之间是不同的.而你的论文中看起来所有参数矩阵W^Q都一样. 

Some errors occurred When I run your code

2

Hello authors: After I run your code , some errors happened . my running environment is python2.7 and Tensorflow 0.12.1 , Here are some basic errors: Load word2vec u file...

some questions

12

Can you explain the meaning of the dataset. I am a little confused

在实验结果上， 我发现测试机上的效果竟然比训练集好？ 这使我感到奇怪。 从你代码中我发现你是通过中间的bact_num%500==0 ， 来每次测试测试集的数据效果。如果训练完所有训练集合后，再进行测试效果没有你论文中的效果好，这让我产生疑惑，为什么中间过程的效果更好呢？？？

gen_segments_melspec 函数看不太懂

3

你好,我有点看不懂gen_segments_melspec((X, window_size, overlap_sz))这个函数具体疑惑点如下 1)你能讲解一下window_size和overlap_sz的含义吗？我理解是窗口大小和重叠部分的大小. 2)append = np.zeros((64, (window_step - (X.shape[-1]-overlap_sz) % window_step))) 这个扩展容量我有点看不太懂，能麻烦你讲解一下吗?

Hello:authors from your paper, I feel confused . because you random select some reviews as auxiliary information. I want to know whether there are some theoretical support.