Learning Intents behind Interactions with Knowledge Graph for Recommendation学习笔记
背景知识图谱(KG)在提高推荐的准确性和可解释性方面显示出巨大的潜力。KG中丰富的实体和关系信息可以补充用户和项目之间的关系建模。它们不仅揭示了项目之间的各种关联性(例如,由一个人共同导演的电影),而且还可以用于解释用户偏好(例如,将用户对电影的选择归因于其导演)。最近的技术趋势是开发基于图形神经网络的端到端模型。关键思想是利用信息聚合方案,它可以有效地将多跳邻居集成到表示中。从连接建模和表示学习的集成中受益,这些基于GNN-based的模型实现了有希望的推荐性能。 然而,现有的基于GNN的模型在关系
原创
2021-06-25 19:59:18 ·
1175 阅读 ·
0 评论