.png){kind=icon}
返回
Multi-modal Knowledge-aware Reinforcement Learning Network for Explainable Recommendation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2021.107217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱 (KGs) 可以为推荐系统提供丰富的结构化信息，并提高准确性并执行显式推理。深度强化学习 (RL) 也引发了人们对个性化推荐的极大兴趣。两者的结合有望实现可解释的因果推理过程，并提高图结构化推荐的性能。然而，大多数基于KG的推荐侧重于异构知识图谱中实体之间的丰富语义关系，因此未能充分利用与实体对应的图像信息。为了解决这些问题，我们提出了一种新颖的多模态知识感知强化学习网络 (MKRLN)，该网络通过在多模态KG (MKG) 中提供实际路径来耦合推荐和可解释性。MKRLN可以通过组合实体的结构和视觉信息来生成路径表示，并通过利用来自MKG的路径内的顺序依赖性来推断代理-MKG交互的基本理性。此外，由于kg具有太多的属性和实体，它们与RL的组合导致强化学习空间中的动作空间和状态过多，这使得动作空间的搜索变得复杂。此外，为了解决这个问题，我们提出了一种新的分层注意力路径，使用户将注意力集中在他们感兴趣的项目上。这减少了KGs中的关系和实体，进而减少了RL中的动作空间和状态，缩短了到目标实体的路径，并提高了推荐的准确性。我们的模型在知识和图像方面具有明确的解释能力。最后，我们在几个大规模的现实世界基准数据集上广泛评估了我们的模型，与最先进的方法相比，它产生了有利的结果。（C）2021 Elsevier B.V. 版权所有。
Keyword:
Multi-modal knowledge graph
Knowledge graph
Image
Deep reinforcement learning
Recommendation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
Influence of Van der Waals Interactions on the Solvation Energies of Adsorbates at Pt‐Based Electrocatalysts.png)
ChemPhysChem
OAAI
ChemPhysChemIF0
OAAI分享收藏分享收藏
分享收藏
查看更多内容