文章目录 week43 aGNN摘要Abstract1. 题目2. Abstract3. 网络架构3.1 aGNN3.1.1 输入与输出模块3.1.2 嵌入层3.1.3编码器解码器模块：带有多头注意力层的GCN 3.2 可释性模型：SHAP 4. 文献解读4.1 Introduction4.2 创新点4.3 实验过程4.3.1 实验区域以及场景设置4.3.2 数据预处理 5. 结论6.代码

hi各位大佬好，我是百变大魔王探花小明哥GBM.问题来源：领导说，这里要当成严格冷启动问题，不能用预热的行为数据，看来之前的LCE是肯定不行的，目前主要解决的是item冷启动的问题，而对这些cold item的点击行为也是冷的用户，卧槽，这是真的冷啊。冰冷的梦里，无法跟你相聚。 For Recommendation in Deep learning QQ Group 277356808 For

注：Zero-shot VOS即为零样本视频对象分割，指在验证阶段不会向网络输入除待测视频本身以外的其他注释样本，下文记为 Z-VOS；One-shot VOS即为单样本视频对象分割，也可称为自监督或半监督视频对象分割（semi-supervised VOS），指在验证阶段向网络输入辅助分割的注释样本（通常是待测视频第一帧的真实分割结果掩模），下文记为 O-VOS；Semantic Object