arrow
返回

Knowledge-Aware Intent Subgraph Learning for Recommendation

delete2026-01-01
delete0
PRE
AI
简萌 封面图
简萌 (Meng Jian) *
周
周魏 (Wei Zhou)
DOI:10.1007/978-981-95-3398-5_20delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

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
IMAGE AND GRAPHICS, ICIG 2025, PT I
IF:
0
论文数:
38
被引数:
0

机构

B
beijing university of technology
学者数:
6.0K
论文数: 2.0K
被引数: 0
引用论文

引用论文

UltraGCN
err2021-10-30
err0
PREAI
errKelong Mao; Jieming Zhu; Xi Xiao; Biao Lu; Zhaowei Wang; Xiuqiang He
err分享
err收藏
err分享
err收藏
err分享
err收藏
kGCN: a graph-based deep learning framework for chemical structures
err2020-05-12
err67
errOAAI
errKojima, Ryosuke; Ishida, Shoichi; Ohta, Masateru; Iwata, Hiroaki; Honma, Teruki; Okuno, Yasushi
err分享
err收藏
学者 查看更多内容