通过知识图谱感知的自编码器计算推荐
信息检索
2018-07-16 v1
摘要
近年来,深度学习凭借其在多个应用领域中取得的众多成功,已成为人工智能中改变游戏规则的技术。其中,将深度学习用于推荐问题虽然新颖,但鉴于其在推荐结果准确性方面的良好表现,显得颇具前景。在推荐场景中,为了预测用户对未知物品的评分,深度神经网络的一种可能配置是自编码器,通常用于生成原始数据的低维表示。本文提出 KG-AUTOENCODER,一种将其神经网络结构建立在知识图谱语义感知拓扑之上的自编码器,从而为隐藏层中的神经元提供标签,这些标签最终用于构建用户画像并进而计算推荐。我们通过与最先进推荐算法进行比较,展示了 KG-AUTOENCODER 在准确性、多样性和新颖性方面的有效性。
引用
@article{arxiv.1807.05006,
title = {Computing recommendations via a Knowledge Graph-aware Autoencoder},
author = {Vito Bellini and Angelo Schiavone and Tommaso Di Noia and Azzurra Ragone and Eugenio Di Sciascio},
journal= {arXiv preprint arXiv:1807.05006},
year = {2018}
}