基于知识图卷积的归纳式推荐简单而强大的架构
信息检索
2022-09-14 v3
摘要
在推荐系统中使用带有关系信息的图模型已显示出有前景的结果。然而，大多数方法是转导式的，即基于降维架构。因此，每当新增物品或用户时，它们都需要大量重训练。相反，归纳式方法有望解决这些问题。尽管如此，所有归纳式方法仅依赖交互，使得交互较少的用户的推荐次优，且对新物品甚至不可能。因此，我们关注也能够利用知识图（KGs）的归纳式方法。在这项工作中，我们提出了SimpleRec，一个强大的基线，它使用图神经网络和知识图，为新的用户和物品提供比相关归纳式方法更好的推荐。我们表明，没有必要为用户表示创建复杂的模型架构，只需允许用户由他们提供的少量评分以及它们之间无任何用户元数据的间接连接来表示就足够了。因此，我们重新评估了最先进的方法，确定了更好的评估协议，指出了先前提案中无根据的结论，并展示了用于该任务的新的、更强的基线。
引用
@article{arxiv.2209.04185,
title = {Simple and Powerful Architecture for Inductive Recommendation Using Knowledge Graph Convolutions},
author = {Theis E. Jendal and Matteo Lissandrini and Peter Dolog and Katja Hose},
journal= {arXiv preprint arXiv:2209.04185},
year = {2022}
}