- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Multi-level Cross-view Contrastive Learning for Knowledge-aware Recommender System—推荐系统读书笔记（三）：MCCLK
背景及问题：在知识图谱在推荐系统中扮演越来越重要角色的同时，GNN也逐渐成为知识感知推荐（KGR）的主题，但是传统的基于GNN的KGR模型有个缺点——监督信号稀疏。Idea：于是，受到对比学习在从数据本身挖掘有监督信号方面的成功的启发，本文作者专注于探索对比学习与KGR的结合，并提出了MCCLK。模型（结构）概述：与传统对比学习方法通过统一的数据增强方案(如腐败或下降)生成两个图视图不同，作者综合考虑了三种不同的图视图，包括全局级结构视图、局部级协同视图和语义视图。
2022-12-09 16:22:48
3781
4
原创 推荐系统读书笔记（二）：DisenKGAT——知识图谱解耦表征
传统知识图谱补全方法单一、静态，不足以准确地捕获复杂关系。本文作者提出了一种新的解耦知识图谱注意网络(DisenKGAT)，它利用微观解耦（新的关系感知聚合）和宏观解耦（利用互信息作为正则化来增强独立性）来挖掘知识图谱背后的表示，效果甚好。
2022-12-02 18:43:29
1801
原创 推荐系统读书笔记（一）：KGAT
传统方法如因子分解机(FM)将user-item关系+侧信息建模其视为一个监督学习问题，由于忽略了实例或项目之间的关系，不足以从用户的集体行为中提取协作信号。知识图谱通过高阶连通（用一个/多个链接属性连接两个item）能打破独立交互假设，利用节点（user、item、attribute均可）的邻居递归传播嵌入以细化本节点嵌入注意力机制相比提取路径（耗费大量人工）、正则化隐式建模（无法捕获远程连接，无法解释高阶连通结果），在便捷性和显式融合高阶关系以优化推荐目标方面更优。
2022-11-25 21:19:23
2099
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人