面向推荐的知识图谱自监督合理化
信息检索
2023-07-07 v1 人工智能
摘要
在本文中，我们为知识感知推荐系统引入了一种称为 KGRec 的新自监督合理化方法。为有效识别信息性知识连接，我们提出了一种为知识三元组生成合理化分数的注意力知识合理化机制。利用这些分数，KGRec 通过合理化掩码将生成式和对比式自监督任务集成用于推荐。为突出知识图谱中的合理化依据，我们设计了一种以掩码-重建形式的新型生成任务。通过以高合理化分数掩码重要知识，KGRec 被训练来重建并突出作为合理依据的有用知识连接。为进一步合理化协作交互对知识图谱学习的影响，我们引入了一种对比学习任务，用于对齐来自知识和用户-物品交互视图的信号。为确保抗噪对比，由合理化分数判定的两图中潜在噪声边被掩码。在三个真实世界数据集上的大量实验表明，KGRec 优于最先进的方法。我们还在 https://github.com/HKUDS/KGRec 提供了我们方法的实现代码。
引用
@article{arxiv.2307.02759,
title = {Knowledge Graph Self-Supervised Rationalization for Recommendation},
author = {Yuhao Yang and Chao Huang and Lianghao Xia and Chunzhen Huang},
journal= {arXiv preprint arXiv:2307.02759},
year = {2023}
}
备注
Accepted by KDD'23