.png){kind=icon}
返回
Knowledge-Aware Multi-view Contrastive Learning for Recommendation
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-025-11750-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识感知推荐（KGR）旨在利用知识图谱为推荐系统中的物品提供丰富的侧信息，并构建一个包含用户、物品和实体的统一图。在本文中，我们提出了一种用于用户-物品-实体交互建模的新型图神经网络，命名为图注意力意图网络（Graph Attention Intent Network），它采用不同策略聚合用户和物品信息以生成高质量表示。通常，用户-物品交互的描述被建模为二分图，这忽略了用户之间和物品之间的关系，而这是现实推荐中的一个重要方面。因此，我们提出了一种框架，命名为知识感知多视图对比学习推荐。它可以在KGR的异构图网络中探索有效的用户-用户和物品-物品关系，构建用户社交图和物品相似度图，并将两种视图的信息结合到用户-物品-实体交互建模中，以增强用户和物品的表示。我们引入跨图对比学习以促进异构信息的整合，同时缓解推荐任务的标签稀疏问题。在三个基准数据集上的实验结果表明，我们的模型比其他当前最优模型更有效。
Keyword:
Recommendation
Knowledge graph
Graph neural network
Multi-view representation learning
Constrastive learning
期刊
IF:
2.8
论文数:
174
被引数:
5.5K
机构
引用论文
KGAT.png)
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏Collaborative Knowledge Base Embedding for Recommender SystemsProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏
查看更多内容