返回
Knowledge-Aware Intent Subgraph Learning for Recommendation
DOI:10.1007/978-981-95-3398-5_20.png)
摘要
En 中文
知识图谱(KG)增强推荐通过利用用户行为中的复杂语义线索缓解冷启动问题。然而,现有方法侧重于将这些辅助知识引入用户-项目交互空间,却忽略了不同来源之间的差异。本研究提出了一种知识感知意图子图学习(KISL)方法,利用KG挖掘用户意图以促进个性化推荐中的细粒度兴趣学习。我们在知识图谱上将每个意图表示建模为KG关系的注意力组合。在意图的指导下,KISL设计了一种维度解耦,将交互图划分为多个增强的意图感知子图。在子图消息传播过程中学习细粒度个性化嵌入,以预测用户的交互。在两个公开数据集上的大量实验证明了KISL通过知识感知意图建模优于基线方法的有效性。
Keyword:
Recommender system
knowledge graph
intent subgraph
interest disentangling
期刊
I
IF:
0
论文数:
38
被引数:
0
机构
引用论文
KGCL: A Knowledge-enhanced Graph Contrastive learning framework for session-based recommendationKGCL:一种面向会话推荐的知识增强图对比学习框架

