.png){kind=icon}
返回
Multi-view knowledge graph recommendation with dynamic transformer modeling
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2026.114218.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
推荐系统对于缓解信息过载至关重要，但持续面临数据稀疏、冷启动问题以及噪声知识图谱结构等挑战。为解决这些问题，我们提出了一种新颖的推荐框架，该框架集成了动态Tanh Transformer（DyT-Transformer）、多视角知识图谱传播策略和层间注意力机制。DyT-Transformer通过动态加权关键特征（无需归一化层）来增强用户-物品表示，提高了稳定性和效率。多视角传播通过随机扰动生成多样化的图视角，从而缓解噪声并提升鲁棒性。层间注意力机制则自适应地聚合传播深度中的嵌入，以捕捉层次化语义。在包括Book-Crossing、MovieLens-1M、Amazon-Book、Yelp2018和Alibaba在内的五个真实数据集上的广泛实验表明，所提出的模型在点击率预测和Top-K推荐任务中均持续优于现有最先进基线方法。这些结果证实了结合DyT-Transformer与多视角知识图谱学习进行鲁棒推荐的可行性与可扩展性。我们已将所提出模型的源代码公开在 https://github.com/tttterter/MVLDT。
Keyword:
Dynamic Tanh Transformer
Multi-view Knowledge Graph
Recommendation Systems
Inter-layer Attention
Data Sparsity
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
引用论文
Leveraging Meta-path based Context for Top- N Recommendation with A Neural Co-Attention Model.png)
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
OAAI
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningIF0
OAAI分享收藏KGATProceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data MiningOAAI
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
分享收藏分享收藏Knowledge-aware fine-grained attention networks with refined knowledge graph embedding for personalized recommendation基于知识感知细粒度注意力网络的精细化知识图谱嵌入个性化推荐
PREAI
分享收藏
查看更多内容