面向下一 POI 推荐的高阶关系知识图神经网络
人工智能
2023-11-29 v1 信息检索
机器学习
摘要
随着移动技术的进步，基于位置的社交网络（LBSN）中的兴趣点（POI）推荐系统为用户和企业带来了诸多益处。许多现有工作采用知识图谱（KG）来缓解 LBSN 中的数据稀疏问题。这些方法主要关注对 LBSN 中的成对关系建模以丰富语义，从而缓解数据稀疏。然而，现有方法很少考虑 LBSN 中的高阶关系，例如移动关系（三元关系：用户-POI-时间）。这使得模型难以准确利用语义。此外，先前工作忽视了 KG 中固有的丰富结构信息，其由高阶关系组成，可进一步缓解数据稀疏的影响。为此，我们提出高阶关系知识图神经网络（HKGNN）模型。在 HKGNN 中，构建建模 LBSN 数据的高阶关系知识图（HKG）以维护并利用高阶关系的丰富语义。随后我们提出超图神经网络以凝聚方式利用 HKG 的结构信息。此外，使用自注意力网络来利用序列信息并进行个性化推荐。再者，侧信息可通过提供 POI 背景知识来减少数据稀疏，但在当前方法中未充分利用。有鉴于此，我们用可用的侧信息扩展了当前数据集，以进一步减轻数据稀疏影响。在四个真实世界 LBSN 数据集上的实验结果表明，与现有最优方法相比我们的方法有效。
引用
@article{arxiv.2311.16683,
title = {Hyper-Relational Knowledge Graph Neural Network for Next POI},
author = {Jixiao Zhang and Yongkang Li and Ruotong Zou and Jingyuan Zhang and Zipei Fan and Xuan Song},
journal= {arXiv preprint arXiv:2311.16683},
year = {2023}
}