SIGIRAug, 2020

面向信息检索的项目标记：基于三分图神经网络的方法

PDF
TL;DR通过构建一个查询 - 项目 - 标签三元组图和优化完整标签预测和部分标签完成两种情况的标签预测问题，我们提出了一种基于异构图神经网络的 Item Tagging 模型，证明在信息检索方面，该模型的性能优于现有的多标签分类方法。
tagginginformation retrievalmulti-label classificationheterogeneous graph neural networksquery logs
发现论文，激发创造
  • 基于用户 - 物品 - 标签三分图的一体化扩散个性化推荐

    本篇论文提出了一种基于用户 - 物品 - 标签三元图的整合扩散的推荐算法，利用协同标签信息，在三个数据集上评估了算法的准确性、多样性和新颖性，实验结果表明利用标签信息可以显著提高推荐的准确性、多样性和新颖性。

    Apr, 2009

  • 神经信息检索与图嵌入相遇：产品搜索排序模型

    本文介绍了一种利用图嵌入技术使神经信息检索模型可以利用图结构数据进行自动特征提取的方法，并将其应用于电子商务数据集中，结果显示该方法在多个强基线模型和排序框架中都有显著提高。

    Jan, 2019

  • 当盒子遇见图神经网络时的标签感知推荐

    提出了一种新的算法，称为 BoxGNN，通过组合逻辑操作来执行消息聚合，从而融合高阶信号，并通过基于体积的学习目标和 Gumbel 平滑技术来优化盒子的表示。在两个公开数据集和一个 LLM 增强的电子商务数据集上的大量实验验证了 BoxGNN 相对于各种最先进的基线方法的优越性。

    Jun, 2024

  • 神经信息检索：文献综述

    本研究总结了当前神经信息检索研究的情况，特别关注了问题和文档的学习性表示（即神经嵌入），强调了神经信息检索目前的成功之处，列出了其更广泛采用的障碍，并建议未来研究的潜在方向。

    Nov, 2016

  • 一个语义分层图神经网络用于文本分类

    本文研究了基于图神经网络的文本分类任务，提出了一种新的分层图神经网络模型（HieGNN），其在词级别、句子级别和文档级别分别提取相应的信息。实验结果表明与几个基准方法相比，我们的模型能够从样本中获得更多有用的分类信息。

    Sep, 2022

  • TAGNN: 针对基于会话推荐的目标注意力图神经网络

    本研究提出了一种新颖的目标关注图神经网络（TAGNN）模型，以用于会话推荐。TAGNN 通过考虑用户的不同兴趣点并学习每个目标项的相关性来提高表达能力。此外，TAGNN 利用图神经网络的能力来捕获会话中的丰富过渡，通过真实世界数据集的广泛实验，证明其优于现有方法。

    May, 2020

  • 变化规模知识图谱中的归纳链接和排名（IRT2）

    本文针对工业用例中初始缺乏有标注数据和分类信息的情况，讨论了建立特定领域知识模型的挑战，并提出了两种神经模型用于归纳链接预测。实验表明，这些模型在可链接的知识图数据减少的情况下能显著提高性能并且优于稀疏检索器。

    Jan, 2023

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 社交推荐的图神经网络

    本文提出了一种图神经网络框架（GraphRec）用于社交推荐，该框架可以共同模拟两个图形和异构强度，并对用户 - 项目图形中的交互和观点进行联合捕获。

    Feb, 2019

  • 推荐系统中的图神经网络：综述

    本研究综述了基于图神经网络的推荐系统在最近的研究工作中的应用。针对不同类型的信息和推荐任务，我们提供了 GNN-based 推荐模型的分类。 进一步分析了 GNN 在不同类型数据上应用时面临的挑战，并讨论了现有工作如何解决这些挑战。我们总结了相关的论文及其开源实现。

    Nov, 2020