qq_41621342的博客

Contextualized Graph Attention Network for Recommendation with ItemKnowledge GraphAbstract图神经网络(GNN)最近被应用于知识图谱辅助于推荐。 现有基于GNN的方法在KG中显式地建模实体与其局部图形上下文（一阶邻居集）之间的依赖关系，但可能无法有效地捕获其非局部图形上下文（即最相关的高阶邻居集）。本文提出了一种新的推荐框架，即Contextualized GraphAttentionNet work(CGAT)，它

该图以虚线分割为左右子图。左边的子图展示了KGAT的模型框架，该模型框架又分为三层：（1）CKG Embedding Layer （2）Attentive Embedding Propagation Layers （3）Prediction Layer .右边的子图是对KGAT模型第（2）层Attentive Embedding Propagation Layers过程的详细可视化描述。（1）...

Transfer Learning for Item Recommendations and Knowledge Graph Completion in Item Related Domains via a Co-Factorization ModelAbstract随着知识图(KGs)近年来的普及，有许多研究利用KGs中丰富的背景知识来完成项目推荐的任务。 然而，在利用KGs的知识时，很少考...

Knowledge Graph Convolutional Networks for Recommender SystemsABSTRACT背景为了减轻基于协作过滤的推荐系统的稀疏性和冷启动问题，研究人员和工程师通常收集用户和项目的属性，并设计精细的算法目的是利用这些额外的属性信息。一般来说，属性不是孤立的，而是相互联系的，形成了一个知识图谱（KG）。创新点提出了知识图卷积网络（KGCN...

Unifying Task-oriented KnowledgeGraph Learning and RecommendationABSTRACT背景将知识图纳入推荐系统（知识感知推荐），以辅助提高推荐的准确性和可解释性。然而，现有的方法在很大程度上假设知识图谱做推荐时是完整的。但在现实真实的场景中，知识图谱是很难完整的，这就可能导致知识图谱做推荐的性能不理想。创新点（1）在本文中，提...

Neural factorization for Offer Recommendation using Knowledge Graph EmbeddingsABSTRACT背景公司向用户发送大量的促销优惠和优惠券，以吸引他们购买更多。优惠推荐系统有助于确定向用户提供的相关优惠核心提出了一个神经因式分解（ NF）模型做优惠推荐任务。以知识图（KG）的形式对可用数据进行建模，并使用称为Tra...

Embedding Knowledge Graphs for Semantics-aware Recommendations based on DBpediaABSTRACT提出使用图嵌入技术的语义感知推荐策略策略使用图嵌入技术来学习要推荐项目的向量空间表示三部图（tripartite graph）由用户、项目（collaborative information）和从DBpedia收集的...

Jointly Learning Explainable Rules for Recommendation with Knowledge GraphABSTRACT构建推荐系统的两个关键层面可解释性有效性与先前提出做推荐的方法比较基于神经网络嵌入方法缺点：大多数无法给出可解释的推荐结果基于图形的方法eg.基于元路径的模型。需要人工干预和领域知识定义模式和规则，而且忽略...

Explainable Reasoning over Knowledge Graphs for Recommendation摘要将知识图谱引入推荐中存在的问题未充分探索用于推断用户偏好的这种连接性对路径内的顺序性和整体语义建模方面存在不足提出解决问题的模型KPRN（知识感知路径递归网络），利用知识图谱做推荐KPRN的核心KPRN利用路径中的顺序依赖关系，我们可以在路径上进行...