知识图谱增强的推荐系统
信息检索
2021-12-20 v1
摘要
知识图谱（KGs）在推荐中已展现出巨大成功。这归因于 KG 中包含的丰富属性信息作为辅助信息改善了物品与用户表征。然而，现有的知识感知方法在物品端与用户端均以粗粒度级别利用属性信息。本文中，我们提出了一种新颖的注意力知识图谱属性网络（AKGAN），通过 KG 中的属性信息来学习物品属性与用户兴趣。技术上，AKGAN 采用异构图神经网络框架，其第一层与后续层设计不同。将一个属性置于元素级位置的对应范围内，AKGAN 采用了一种新颖的兴趣感知注意力网络，其释放了注意力权重之和为 1 的限制，以建模用户针对属性的兴趣的复杂性与个性化。在三个基准数据集上的实验结果展示了 AKGAN 的有效性与可解释性。
引用
@article{arxiv.2112.09425,
title = {Knowledge graph enhanced recommender system},
author = {Zepeng Huai and Jianhua Tao and Feihu Che and Guohua Yang and Dawei Zhang},
journal= {arXiv preprint arXiv:2112.09425},
year = {2021}
}
备注
11 pages, 4 figures