DEKGCI：融合知识图谱与用户-物品交互图的双边推荐模型
信息检索
2023-06-27 v1 人工智能
摘要
知识图谱和用户-物品交互图都常用于推荐系统，因为它们能为建模用户和物品提供丰富信息。然而，现有研究通常只关注这些来源之一（知识图谱或用户-物品交互图），导致集成两种信息源可获得的收益未被充分利用。在本文中，我们提出 DEKGCI，一种新颖的双边推荐模型。在 DEKGCI 中，我们使用来自用户-物品交互图的高阶协同信号在用户侧丰富用户表征。此外，我们利用来自知识图谱的高阶结构与语义信息在物品侧丰富物品表征。DEKGCI 同时学习用户和物品表征，以有效捕获用户与物品之间的联合交互。实验采用三个真实世界数据集评估 DEKGCI 的性能，实验结果表明，在 AUC 和 ACC 方面，相较于七个 SOTA 基线，其具有高效性。
引用
@article{arxiv.2306.13837,
title = {DEKGCI: A double-sided recommendation model for integrating knowledge graph and user-item interaction graph},
author = {Yajing Yang and Zeyu Zeng and Mao Chen and Ruirui Shang},
journal= {arXiv preprint arXiv:2306.13837},
year = {2023}
}
备注
24 pages, 6 figures,6 tables