一种融合属性级协同注意力的知识增强推荐模型
信息检索
2020-06-20 v1 机器学习
摘要
深度神经网络（DNNs）已广泛应用于推荐系统，包括引入注意力机制以提升性能。然而，现有大多数基于注意力的模型仅在用户侧应用物品级注意力，限制了推荐性能的进一步提升。本文提出一种知识增强推荐模型 ACAM，其将从知识图谱（KGs）中提取的物品属性作为辅助信息，并构建属性级协同注意力机制以获得性能提升。具体而言，ACAM 中每个用户和物品首先由一组属性嵌入表示。然后，通过协同注意力模块捕捉不同属性间的相关性，同时增强用户表示和物品表示。我们在两个真实数据集上的大量实验表明，经属性级协同注意力增强的用户表示和物品表示使 ACAM 优于最先进的深度模型。
引用
@article{arxiv.2006.10233,
title = {A Knowledge-Enhanced Recommendation Model with Attribute-Level Co-Attention},
author = {Deqing Yang and Zengcun Song and Lvxin Xue and Yanghua Xiao},
journal= {arXiv preprint arXiv:2006.10233},
year = {2020}
}