Halal或非Halal：基于知识图谱的日常产品文化适当性预测

对halal护肤品的需求日益增长，在穆斯林-majority国家暴露了诸多挑战。最近，各种基于机器学习的策略（例如基于图像的方法）在预测护肤品的halal状态方面取得了显著成功。然而，这些方法主要关注分析护肤品中离散且具体的成分，这忽略了护肤品与成分之间的高阶和复杂关系。为此，我们提出了一种称为HaCKG的halal护肤品推荐框架，利用护肤品及其成分的知识图谱，显式地建模和捕捉护肤品与其组件之间的关系。通过将护肤品和成分表示为知识图谱中的实体，HaCKG有效地学习了实体之间的高阶和复杂关系，为预测halal状态提供了稳健的方法。具体而言，我们首先构建一个代表various护肤品、成分及其属性之间关系的护肤知识图谱。随后，我们提出了一种带残差连接的预训练关系图注意力网络模型，用于学习知识图谱中实体之间的结构关系。该预训练模型随后在下游护肤数据上进行微调，以预测halal状态。在针对halal预测任务的护肤数据集上进行的大量实验表明，我们的方法在基准方法方面具有显著优势。