知识增强推荐中对比视图的甜点区
信息检索
2023-09-26 v1 机器学习
摘要
在推荐系统中，知识图谱 (KG) 可提供原始用户—物品交互图 (IG) 所缺失的关键信息。近期研究探索了这一方向，并表明对比学习是融合两者的一种有前景的方法。然而，我们观察到现有的 KG 增强推荐器难以在 IG 与 KG 这两个对比视图间取得平衡，使其有时甚至不如仅在 IG 上应用对比学习而不使用 KG 有效。本文中，我们提出一种新的用于 KG 增强推荐的对比学习框架。具体而言，为充分利用知识，我们为 KG 和 IG 分别构建两个独立的对比视图，并最大化它们的互信息；为简化两视图上的对比学习，我们进一步以单向方式将 KG 信息融合进 IG。在三个真实世界数据集上的大量实验结果表明，与最先进方法相比，我们的方法有效且高效。我们的代码可通过匿名链接获取：https://figshare.com/articles/conference_contribution/SimKGCL/22783382
引用
@article{arxiv.2309.13384,
title = {On the Sweet Spot of Contrastive Views for Knowledge-enhanced Recommendation},
author = {Haibo Ye and Xinjie Li and Yuan Yao and Hanghang Tong},
journal= {arXiv preprint arXiv:2309.13384},
year = {2023}
}