基于带用户感知知识图谱的科技新闻推荐
信息检索
2022-10-10 v1
摘要
现有研究通常利用社交网络或物品属性等辅助信息来提升基于协同过滤的推荐系统性能。本文将带用户感知的知识图谱用于获取辅助信息的来源。我们提出 KGUPN 以解决现有基于嵌入和基于路径的知识图谱感知推荐方法的局限，这是一个将知识图谱与用户感知集成到科技新闻推荐系统中的端到端框架。KGUPN 包含三个主要层，分别是传播表示层、上下文信息层和协同关系层。传播表示层通过从知识图谱中其邻居（可以是用户、新闻或关系）递归传播嵌入来改进实体的表示。上下文信息层通过对新闻中出现的实体的行为信息进行编码来改进实体表示。协同关系层补充新闻知识图谱中实体间的关系。在真实世界数据集上的实验结果表明，KGUPN 在科技新闻推荐上显著优于最先进的基线方法。
引用
@article{arxiv.2210.03295,
title = {Scientific and Technological News Recommendation Based on Knowledge Graph with User Perception},
author = {Yuyao Zeng and Junping Du and Zhe Xue and Ang Li},
journal= {arXiv preprint arXiv:2210.03295},
year = {2022}
}