推荐系统笔记（十六）：推荐系统图协同过滤的深入理解：GDE
1）作者研究了GCN的特征表示的主贡献部分是rough和smooth部分的特征，因此用超图分别卷积user和item，进行特征提取。（卷积又分为只用特征值最大的和特征值最小的一部分（看作两个卷积核），卷积核的参数可以动态学习也可以用函数映射特征值）。（2）作者在本文的出发点是GCN本身，通过频域分析，证实了GCN其实是针对局部进行卷积，设计了多层的频率响应，而本文则只使用一层进行卷积，反而达到卷积到更远的视野的目的。...
