Boosting Knowledge Graph with Diverse-Aware Intent Inference for recommendations

Shaoqing Lv

doi:10.1016/j.neunet.2025.107914

Boosting Knowledge Graph with Diverse-Aware Intent Inference for recommendations

2025-07-30

0

PRE

AI

DOI：10.1016/j.neunet.2025.107914

原文链接

原文求助

摘要

En 中文

知识图谱（KGs）因其丰富的语义结构，在推荐系统中显示出显著的有效性。为克服传统协同过滤和基于嵌入的方法的局限性，基于图神经网络（GNN）的方法被引入，用于建模知识图谱中的复杂关系。然而，现有的GNN方法面临两个关键挑战：（1）它们不加区分地从所有相邻节点聚合信息，导致冗余和低效；（2）它们通常优先考虑相似项目，限制了推荐多样性和整体系统性能。为解决这些挑战，我们提出了一种具有多样性感知意图推断的知识图谱（KGDII），这是一种新型框架，可同时提升推荐的质量和多样性。KGDII通过在知识图谱中选择多样化的关系子集，生成用户意图——代表用户的潜在目标或偏好。注意力机制赋予更重要的关系更高权重，使框架能够生成更丰富且多样的意图表示，同时减少冗余。在真实数据集上的广泛实验表明，KGDII在推荐准确性和多样性方面优于现有最优方法。消融研究和案例分析进一步突显了KGDII的强可解释性，使其成为提升推荐系统性能的有前景的方法。

Keyword:

knowledge graphs

graph neural networks

recommendation systems

diverse-aware intent inference

attention mechanism

Boosting Knowledge Graph with Diverse-Aware Intent Inference for recommendations

摘要

期刊

机构

引用论文