基于动态策略网络的知识感知路径推理推断可替代与互补产品
人工智能
2021-10-08 v1
摘要
对给定产品推断其可替代与互补产品是推荐系统中的一个基本且关键的问题。为此，现有方法利用知识图谱学习更多证据以进行推断，但它们常因缺乏优雅的决策策略而遭遇无效推理。因此，我们提出一种新颖的知识感知路径推理（KAPR）模型，其利用动态策略网络在知识图谱上进行显式推理，以推断可替代与互补关系。我们的贡献可归纳为三方面。首先，我们将该推断场景建模为马尔可夫决策过程，以在知识图谱上完成知识感知路径推理。其次，我们融合结构化与非结构化知识，为准确决策提供充分证据。第三，我们在一系列真实数据集上评估模型，相较最先进方法取得了具有竞争力的性能。我们的代码发布于https://gitee.com/yangzijing flower/kapr/tree/master。
引用
@article{arxiv.2110.03276,
title = {Inferring Substitutable and Complementary Products with Knowledge-Aware Path Reasoning based on Dynamic Policy Network},
author = {Zijing Yang and Jiabo Ye and Linlin Wang and Xin Lin and Liang He},
journal= {arXiv preprint arXiv:2110.03276},
year = {2021}
}