庞加莱球中知识增强的 Top-K 推荐
信息检索
2021-02-02 v2 机器学习
摘要
随着内容与服务的日益丰富以及用户难以甄别自身兴趣所在，个性化推荐系统愈发重要。得益于提供丰富信息的能力，知识图谱（KGs）正被引入以提升推荐性能与可解释性。为有效利用知识图谱，我们提出一种双曲空间中的推荐模型，其有助于学习知识图谱的层次结构。此外，采用双曲注意力网络来确定某物品邻域实体的相对重要性。另外，我们提出一种自适应细粒度正则化机制，对物品及其邻域表示进行自适应正则化。通过在三个真实数据集上与最先进方法对比，我们表明所提模型在 Top-K 推荐的 NDCG@K 指标上比现有最优模型高出 2-16%。
引用
@article{arxiv.2101.04852,
title = {Knowledge-Enhanced Top-K Recommendation in Poincar\'e Ball},
author = {Chen Ma and Liheng Ma and Yingxue Zhang and Haolun Wu and Xue Liu and Mark Coates},
journal= {arXiv preprint arXiv:2101.04852},
year = {2021}
}
备注
Accepted by the 35th AAAI Conference on Artificial Intelligence (AAAI 2021)