用于推荐系统中知识图谱蒸馏的条件注意力网络
机器学习
2021-11-04 v1 信息检索
摘要
知识图谱通常被纳入推荐系统以提升整体性能。由于知识图谱的泛化性和规模，大多数知识关系对目标用户-物品预测并无帮助。为了在推荐系统中利用知识图谱捕获特定于目标的知识关系，我们需要对知识图谱进行蒸馏以保留有用信息，并精炼知识以捕获用户偏好。为解决这些问题，我们提出了知识感知条件注意力网络（KCAN），这是一个将知识图谱融入推荐系统的端到端模型。具体而言，我们首先使用知识感知的注意力传播方式来获取节点表示，该表示捕获了用户-物品网络和知识图谱上的全局语义相似性。然后，给定一个目标，即一个用户-物品对，我们基于知识感知注意力自动将知识图谱蒸馏为特定于目标的子图。之后，通过对该子图应用条件注意力聚合，我们精炼知识图谱以获得特定于目标的节点表示。因此，我们能够同时获得表示能力和个性化，从而实现整体性能的提升。在真实世界数据集上的实验结果证明了我们的框架相对于最先进算法的有效性。
引用
@article{arxiv.2111.02100,
title = {Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation},
author = {Ke Tu and Peng Cui and Daixin Wang and Zhiqiang Zhang and Jun Zhou and Yuan Qi and Wenwu Zhu},
journal= {arXiv preprint arXiv:2111.02100},
year = {2021}
}
备注
Accepted by CIKM21