知识增强列网络：与建议一起指导深度学习

ICMLMay, 2019

知识增强列网络：与建议一起指导深度学习

Knowledge-augmented Column Networks: Guiding Deep Learning with Advice

Mayukh Das, Devendra Singh Dhami, Yang Yu, Gautam Kunapuli, Sriraam Natarajan

TL;DR本篇论文提出了基于人工引导学习的知识增强列网络（Knowledge-augmented Column Networks），这是一个关系性深度学习框架，可以在数据稀疏和受到系统噪声的情况下利用人类的知识来学习更好的模型。

Abstract

Recently, deep models have had considerable success in several tasks, especially with low-level representations. However, effective learning from sparse noisy samples is a major challenge in most →

deep models sparse noisy samples structured representations human guided machine learning relational deep learning

发现论文，激发创造

知识图谱卷积网络用于推荐系统

本文提出了 Knowledge Graph Convolutional Networks (KGCN) 的方法，通过在知识图谱上挖掘和利用互相关联的属性来有效地捕捉物品之间的相关性，扩展感受野以建模高阶邻近信息，并将邻居信息与偏差相结合计算给定实体的表示，以优化协同过滤型推荐系统的性能。实验结果表明，该方法在电影、图书和音乐推荐的三个数据集上优于强基线算法。

Mar, 2019

基于知识图谱的神经网络在自然语言处理中的应用

提出了一种增强学习模型的方案，即通过知识图谱的事实三元组来为自然语言处理任务提供上下文知识，并采用基于卷积的模型来减少关注空间，从而大大提高了文本分类和自然语言推理任务的性能。

Feb, 2018

知识增强深度学习及其应用：综述

本文综述了知识增强深度学习 (KADL) 的概念及其三个主要任务：知识识别，知识表达和知识整合，并提供了一种基于广泛和完整的领域知识分类法的系统回顾。在这份综述中，我们提供了现有技术的系统性审查，并提供了未来研究方向的方向。

Nov, 2022

基于知识图谱的上下文感知可解释推荐

探索用户偏好相关的富含语义关联的知识图谱，提供能够适应用户环境的推荐系统框架，并在其中包含上下文。

Oct, 2023

知识图谱对比学习用于推荐

提出了一种知识图谱对比学习的框架 (KGCL)，该框架通过知识图谱增强模式减少了噪声，利用交叉视图对比学习技术进一步抑制了噪声，实现了在稀疏、长尾和有噪声的知识图谱场景下的强大性能。

May, 2022

基于注意力、知识和协作指导的个性化推荐图卷积网络

通过引入知识图谱的图卷积神经网络模型加入历史交互数据，再通过协作引导机制提取知识图谱信息实现个性化推荐，实验证明该模型在 Top-K 推荐任务中的召回率指标显著高于现有最新模型。

Sep, 2021

基于知识注入的图像分类网络增强方法

基于人类知识的深度神经网络训练方法通过使用人类认知模型构建深度神经网络训练模型，采用现有人类知识信息构建了多级分层深度学习算法，并有效解释了神经网络的隐藏信息。

Jan, 2024

将领域知识融入深度神经网络

本文调查了通过神经网络构建模型时如何加入领域知识，提供两种编码这种知识的方法，并描述了在每个方法的几个子类别中获得的技术和结果。

Feb, 2021

基于知识的耦合图神经网络的社交推荐

该研究提出了一种知识感知的耦合图神经网络模型，用于解决社交信息推荐系统中用户和项目之间交互异质性、动态性和相互依赖性等问题，实验结果表明该方法在多种情境下有效益。

Oct, 2021

KagNet: 基于知识的图网络用于常识推理

该研究提出了一种基于知识图谱的语义推理框架，以解决常识性问题，并通过引入 KagNet 模型和 ConceptNet 外部资源，取得了在常识 QA 数据集上的最佳表现。

Sep, 2019