KGUF：基于用户语义特征过滤的简单知识感知图推荐器
信息检索
2024-04-01 v1
摘要
图神经网络（GNN）最近被整合到推荐中，催生了新的协同过滤（CF）方法家族，即图协同过滤（GCF）。遵循同样的GNN浪潮，利用知识图谱（KG）的推荐系统也成功地被GCF原理所赋能，将GNN的表征能力与KG传达的语义相结合，产生了知识感知图协同过滤（KGCF），它使用KG挖掘隐藏的用户意图。然而，经验证据表明，计算和组合用户级意图可能并不总是必要的，因为更简单的方法可以在保持显式语义特征的同时产生相当或更好的结果。在这种视角下，用户历史偏好对于精炼KG并保留最具区分性的特征变得至关重要，从而导致简洁的物品表示。基于上述假设，我们提出KGUF，一种KGCF模型，它学习KG中语义特征的潜在表示以更好地定义物品画像。通过决策树利用用户画像，KGUF有效地仅保留与用户相关的特征。在三个数据集上的结果证明了KGUF的合理性，因为我们的方法能够在保持更简单形式化的同时达到与SOTA方法相当或更优的性能。代码仓库：https://github.com/sisinflab/KGUF。
引用
@article{arxiv.2403.20095,
title = {KGUF: Simple Knowledge-aware Graph-based Recommender with User-based Semantic Features Filtering},
author = {Salvatore Bufi and Alberto Carlo Maria Mancino and Antonio Ferrara and Daniele Malitesta and Tommaso Di Noia and Eugenio Di Sciascio},
journal= {arXiv preprint arXiv:2403.20095},
year = {2024}
}