DSKReG：基于关系图神经网络的知识图谱可微采样推荐方法
机器学习
2021-08-27 v1
摘要
在信息爆炸时代，推荐系统(RSs)被广泛研究并应用于发现用户偏好的信息。当面临冷启动问题时RS表现不佳，而将知识图谱(KGs)作为辅助信息融入可缓解该问题。然而，多数现有工作忽视了KG中节点度偏斜以及KG中大量交互与推荐无关的事实。为解决这些问题，本文提出基于关系图神经网络的知识图谱可微采样推荐方法(DSKReG)，其从KGs中学习相连物品的相关分布并依此分布采样合适物品用于推荐。我们设计了一种可微采样策略，使相关物品的选择能与模型训练过程联合优化。实验结果证明我们的模型优于最先进的基于KG的推荐系统。代码已发布于https://github.com/YuWang-1024/DSKReG。
引用
@article{arxiv.2108.11883,
title = {DSKReG: Differentiable Sampling on Knowledge Graph for Recommendation with Relational GNN},
author = {Yu Wang and Zhiwei Liu and Ziwei Fan and Lichao Sun and Philip S. Yu},
journal= {arXiv preprint arXiv:2108.11883},
year = {2021}
}
备注
Accepted by CIKM 2021