Aug, 2021

使用双曲几何建模无标度图以实现知识感知推荐

PDF
TL;DR本文提出了一种基于超几何知识增强图卷积网络的知识感知推荐方法，用于解决传统推荐系统中数据稀疏和冷启动问题，通过将知识图谱与用户 - 项目交互进行统一构建三元图来建模，采用不同的信息传播策略在超 bolic 空间中显式地编码异质信息，实现信息的协同聚合，并在三个真实数据集上进行了广泛实验证明，提出的方法优于现有最新方法，可以在 Top-K 推荐中提高 3.6-15.3％的召回率。
recommender systemsknowledge graphstripartite graphhyperbolic geometryrecommendation performance
发现论文，激发创造
  • Poincaré 球中基于知识增强的 Top-K 推荐

    本文中介绍了一种基于超螺旋空间的个性化推荐模型，其中使用了知识图谱、超螺旋空间和自适应的正则化机制，通过在三个真实数据集上的实验表明，相较于最先进的现有模型，该模型在 NDCG@K 上的推荐效果提高了 2-16%。

    Jan, 2021

  • 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

  • 低维双曲知识图谱嵌入

    本文介绍了一种超几何知识图嵌入方法，可以同时捕捉层次结构和逻辑模式，并在现有方法的基础上提高了平均倒数排名（MRR）达 6.1%。

    May, 2020

  • 超几何分层知识图谱嵌入的低维链接预测

    本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型（HypHKGE），以在超几何空间中有效地建模知识图中的语义层次结构，并在低维度下表现出色，特别是在链接预测方面。

    Apr, 2022

  • 基于知识的多重自适应空间融合推荐

    本研究提出了一种基于知识的多重自适应空间融合方法 (MCKG) 用于推荐，通过引入与双曲、欧氏和球形空间兼容的统一空间，并以注意机制融合多个统一空间，获得高质量嵌入以实现更好的知识传播。此外，提出了一种几何感知优化策略，使模型能够从双曲和球形空间中受益，通过在靠近原点的区域设置较小的边界值来区分高度相似的正向项目和负向项目，并在远离原点的区域设置较大的边界值以确保模型具有足够的误差容忍度。大量的实验结果表明，MCKG 在三个真实世界数据集上相较于最先进的推荐方法有了显著的改进。进一步的消融实验验证了多空间融合和几何感知优化策略的重要性，证明了 MCKG 的合理性和有效性。

    Aug, 2023

  • 个性化推荐的分层关注知识图谱嵌入

    本文提出了一种新的分层注意力知识图嵌入框架（HAKG），用于捕捉用户偏好，并在缓解数据稀疏性问题方面表现出优越性。

    Oct, 2019

  • 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

  • 使用双曲线知识图嵌入进行知识关联

    本论文提出一种基于超球面嵌入的超球面关系图神经网络模型，通过实体对齐和类型推断等任务，捕捉知识图谱中的关系，并证明该模型具有有效性和效率。

    Oct, 2020

  • HAKG: 面向推荐的层次感知知识门控网络

    本文提出了一种新模型，叫做 Hierarchy-Aware Knowledge Gated Network（HAKG），主要应对 KG 领域中现存的一些问题，在实验中，与现有的方法相比表现了很大的优势。

    Apr, 2022

  • 基于知识图谱与复杂网络度量的出人意料推荐模型

    本研究在已有的推荐系统基础上，提出了一种基于知识图谱的推荐系统，通过编码用户对物品目录的交互来评估并增加推荐的出人意料程度。实验结果表明，基于复杂网络度量重新排序物品可以产生更出人意料和令人惊喜的推荐列表。

    May, 2024