使用知识图谱和兴趣盒嵌入进行推荐
提出了一种基于嵌入的查询框架,使用矢量空间嵌入复杂逻辑查询,将查询表示为盒子并将合取作为盒子交集表示,而将极限作为在 DNF(析取正规形式)中转换后处理。
Feb, 2020
BoxE 是一个新的嵌入模型,它可以同时解决目前模型存在的不表达、不支持显著推理模式、不支持高阶关系和不支持逻辑规则等限制性因素。 BoxE 成功地对许多所需的逻辑属性进行了自然编码,并表现出了最先进的性能。
Jul, 2020
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
Concept2Box 提出了一种新方法,它使用双重几何表示技术联合嵌入了一个 KG 的两个视图:本体视图概念和实例视图实体。这种方法使用盒形嵌入来模拟概念,并使用向量来模拟实体,并提出了一种新的向量到盒形距离度量方法。
Jul, 2023
本文旨在在推荐系统中将知识图谱引入,特别考虑了不完整的知识图谱,并通过关系传递实现对用户偏好的理解,提高了推荐性能。通过联合训练建议模型和知识图谱完成模型,综合多个迁移模式,表现出卓越的性能
Feb, 2019
该研究提出了一种名为 “KGIN” 的知识图谱意图网络模型,应用了关注机制的思想,能够更准确地表达用户与物品之间的相关性,实现了基于图神经网络的推荐系统并取得了显著的性能提升。
Feb, 2021
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