PKGM：一种面向电商应用的预训练知识图谱模型
摘要
近年来，知识图谱作为一种统一的数据组织方式得到了广泛应用，并增强了许多需要知识的任务。在在线购物平台淘宝中，我们构建了一个十亿级规模的电商产品知识图谱。它以统一的方式组织数据，并为诸如商品推荐等多种任务提供商品知识服务。通常，此类知识服务通过三元组数据提供，但这种实现方式包括：（1）在产品知识图谱上进行繁琐的数据筛选工作，以及（2）设计任务模型以融入这些三元组知识的工作。更重要的是，产品知识图谱远非完备，导致错误传播到知识增强的任务中。为避免这些问题，我们为十亿级产品知识图谱提出了一种预训练知识图谱模型（PKGM）。一方面，它能够以统一的方式通过服务向量为基于嵌入和商品知识相关的任务模型提供商品知识服务，而无需访问三元组数据。另一方面，其服务基于隐式补全的产品知识图谱提供，克服了常见的不完备问题。我们还提出了两种将 PKGM 的服务向量集成到下游任务模型中的通用方法。我们在五个知识相关任务中测试了 PKGM：商品分类、商品解析、商品推荐、场景检测和序列推荐。实验结果表明，PKGM 在这些任务上带来了显著的性能提升，说明了 PKGM 服务向量的有用性。
引用
@article{arxiv.2203.00964,
title = {PKGM: A Pre-trained Knowledge Graph Model for E-commerce Application},
author = {Wen Zhang and Chi-Man Wong and Ganqinag Ye and Bo Wen and Hongting Zhou and Wei Zhang and Huajun Chen},
journal= {arXiv preprint arXiv:2203.00964},
year = {2022}
}
备注
This is an extension of work "Billion-scale Pre-trained E-commerce Product Knowledge Graph Model" published at ICDE2021. We test PKGM on two additional tasks, scene detection and sequential recommendation, and add serving with item embeddings as one of the baseline. The extensive experiments show the effectiveness of PKGM, pre-trained knowledge graph model. arXiv admin note: text overlap with arXiv:2105.00388