ripple net模型: 知识图谱结合推荐系统

最新推荐文章于 2024-06-11 10:01:00 发布
最新推荐文章于 2024-06-11 10:01:00 发布
阅读量7.5k 收藏 20
点赞数 7
分类专栏： 推荐系统 文章标签： 推荐系统 知识图谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Accepted_Lam/article/details/89258616
版权

ripple net模型: 知识图谱结合推荐系统

论文地址
这几天大概了解了推荐系统(下面简称RS)这块的几种算法，趁记忆还在，赶紧记录一下

ripple net 最直观的理解

ripple的中文是波纹。波纹是怎么来的呢？是你往水里面扔东西产生的。所以在这里ripple net与RS的结合，就相当于往水里投了一块石头（这里是石头就是波纹的中心，也就是RS中的用户历史点击矩阵）
扔石头就会激起一层又一层的波纹，这里被激起的波纹就对应了知识图谱（下面简称KG）一个又一个的实体。由用户的历史纪录激起的水波，就是用户潜在感兴趣的item
除此之外波纹还有一个特点，它会随着层数的变大而逐渐衰减，这里类比到ripplenet也是同样的
具体可以看下面论文中的图
这里hop是层数，颜色深浅代表的是传播衰减的程度

用公式描述ripple net

好了，通过刚刚对ripple net直观的认识，相信大家心里应该大概明白ripple net的作用机制了，那么接下来我们来看看ripple net的结构
在这里插入图片描述
首先我们先来梳理一下大概的内容：
ripple net输入：

  • user的历史点击矩阵（点击则为1，没有点击则为0）
  • 知识图谱

ripple net输出：

  • user对item的潜在偏好，也就是预测矩阵

ripple net内部：
最终想要得到预测矩阵，其实就是要比较user embedding(特征)与item embedding的相似程度，可以用下面的公式来描述他们的相似度
u T v u^Tv

最低0.47元/天 解锁文章
推荐系统遇上深度学习(二十七)--知识图谱与推荐系统结合之RippleNet模型原理及实现...
abcdefg90876的博客
11-12 364
知识图谱特征学习在推荐系统中的应用步骤大致有以下三种方式： 依次训练的方法主要有：Deep Knowledge-aware Network(DKN) 联合训练的方法主要有：Ripple Network 交替训练主要采用multi-task的思路，主要方法有：Multi-task Learning for KG enhanced Recommendation (MKR) 本文先来介绍联合训...
【论文笔记】RippleNet : 知识图谱+用户偏好传播的推荐系统
HicSuntLeones
02-08 4151
RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems Hongwei Wang, Fuzheng Zhang, Jialin Wang, Miao Zhao, Wenjie Li, Xing Xie, Minyi Guo The 27th ACM International Conference on Information and Knowledge Management (CIKM .
推荐深度学习推荐系统：RippleNet
最新发布
gitblog_00040的博客
06-11 527
推荐深度学习推荐系统：RippleNet 去发现同类优质开源项目:https://gitcode.com/ 1、项目介绍 RippleNet 是一个基于 PyTorch 的实现，源自论文 "RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems"，在第27届国际...
【论文笔记】Ripple Net:融合知识图谱的推荐模型
Oner.wv的专栏
03-17 2371
“本文介绍了一种融合知识图谱进行用户兴趣偏好预测的方法Ripple Net”文章来源：RecLismCat https://zhuanlan.zhih...
当知识图谱遇上推荐系统之PippleNet模型（论文笔记二）
CICI❤️的博客
07-23 1906
RippleNet | Propagating User Preferences on the Knowledge 类别：联合学习 将知识图谱特征学习和推荐算法的目标函数结合，使用端到端（end-to-end）的方法进行联合学习。 [论文下载链接]https://arxiv.org/abs/1803.03467 1、背景 上一篇介绍了依次学习中的DKN，需要先学习到entity的向量和relat...
知识图谱与推荐系统之RippleNet
热门推荐
十三
05-02 1万+
上一篇介绍了依次训练的DKN模型，本文介绍连个训练的RippleNet模型。 在DKN中，我们需要首先学习到entity的向量和relation的向量，但是学习到的向量，其目的是为了还原知识图谱中的三元组关系，而并非是为了我们的推荐任务而学习的。因此今天我们来介绍一下知识图谱和推荐系统进行联合训练的一种网络结构：RippleNet。 论文 KG-aware recommendation 可以分...
RippleNet基于知识图谱的推荐算法
SSSxCCC的博客
12-30 4113
随着知识图谱近几年越来越热门，用知识图谱进行推荐的想法也随之产生。知识图谱结构本质上是由（头实体，关系，尾实体）三元组组成的集合，并构成有向图。下图形象的表示了在电影领域用知识图谱做推荐的原理，左边是用户喜爱的电影，中间是这些电影在知识图谱中和右边几部电影的联系，我们可以看到左边的电影和右边的电影在知识图谱中呈现了很多种相似的关系。在知识图谱中发现这些相关物品对推荐系统具有十分重大的价值。Ripp...
【论文笔记】KGCN：知识图谱 + 图卷积神经网络的推荐系统
HicSuntLeones
02-09 4820
Knowledge Graph Convolutional Networks for Recommender Systems Hongwei Wang, Miao Zhao, Xing Xie, Wenjie Li, Minyi Guo. In Proceedings of The 2019 Web Conference (WWW 2019) 论文原文（arXiv）：https://arxiv.org/pdf/1904.12575v1.pdf 源码：https://github.com/hwwang55.
基于知识图谱的推荐系统总结
张小磊的博客
11-11 5292
嘿，记得给“机器学习与推荐算法”添加星标|作者：阳光明媚|单位：华东师范大学|研究方向：推荐系统、强化学习摘要推荐系统的基本任务是联系用户和物品，解决信息过载的问题，帮助用户找到其感...
RippleNet：知识图谱与推荐系统联合学习 CIKM 2018
u013602059的专栏
07-24 1817
论文链接：https://arxiv.org/pdf/1803.03467.pdf 代码链接：https://github.com/qibinc/RippleNet-PyTorch 参考文档：https://zhuanlan.zhihu.com/p/73716930
基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip
10-12
【资源说明】 基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip 基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip 基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip基于知识图谱的推荐算法RippleNet的python实现源码+项目说明+数据集.zip 运行环境 python == 3.7.0 torch == 1.12.0 pandas == 1.1.5 numpy == 1.21.6 sklearn == 0.0 数据集介绍 music-音乐 book-书籍 ml-电影 yelp-商户 文件介绍 ratings.txt：记录用户点击的项目，1代表点击了，0代表没有点击 kg.txt：知识图谱文件，第一列是头实体，第二列是尾实体，第三列是关系 user-list.txt：用户及其id文件，第一列是用户的id，第二列是用户 其余文件可忽略 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！
Python-RippleNet的一个tensorflow实现
08-11
RippleNet的一个tensorflow实现，RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems
Ripplenet
qq_40341502的博客
08-13 402
Ripplenet
知识图谱用于推荐系统问题（CKE，RippleNet）
nakaizura
05-29 1万+
Knowledge Graph 知识图谱是一种语义图，其结点（node）代表实体（entity）或者概念（concept），边（edge）代表实体/概念之间的各种语义关系（relation）。一个知识图谱由若干个三元组（h、r、t）组成，其中h和t代表一条关系的头结点和尾节点，r代表关系。 引入知识图谱进入推荐系统领域的优点在于： 精确性（precision）。为物品item引入了更多的语义关系，可以深层次地发现用户兴趣 多样性（diversity）。提供了不同的关系连接种类，有利于推荐结果的发散，避免.
【推荐系统】RippleNet——基于知识图谱偏好传播的推荐系统
夏栀的博客
09-13 3837
【推荐系统】RippleNet——基于知识图谱偏好传播的推荐系统 论文名称：《RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems》 PDF：https://arxiv.org/pdf/1803.03467 源码地址：https://github.com/hwwang55/RippleNet. 一、前言   推荐系统（Recommender System, RS）作为最经典最重要的人工智
阅读笔记--RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems
小白可可的日记
04-28 5534
NLP笔记--RippleNet 一：概述 将KG作为推荐系统的辅助信息来源，利用实体关系三元组分析用户的偏好倾向并推理出哪些新的实体项可能是该用户可能喜欢的。其中知识图谱即KG指的是由类似（阿甘正传，电影-导演，罗伯特·泽米吉斯）的事实三元组构成，已...
RippleNet详解(上)：论文详解
November、Chopin
03-22 4913
RippleNet详解(上)：论文详解 1. 前言 已经很久没有更新博客了，看了一些博客已经被几百赞了，有了一些动力，这一段时间也积累了很多包括论文、代码、技巧等相关经验，后续会陆续更新。 RippleNet详解主要分为两个系列——论文详解和代码详解，这个博客首先对论文进行一些解释。首先呈上论文了链接：Rippleset论文链接(arxiv) 2. 简介 将知识图谱(Knowledge Graph, KG)引入推荐系统(Recommender Systems, RS)主要有三个作用： 缓解冷启动 缓解数据
知识图谱遇上推荐系统——RippleNet
beilizhang的博客
10-12 1881
主要参考论文：《RippleNet: Propagating User Preferences on the Knowledge Graph for Recommender Systems》 副信息 众所周知，基于协同过滤的推荐算法存在数据稀疏（the sparsity of user-item interactions）和冷启动问题（the cold start problem）。 为了缓解这些问题，可以使用副信息辅助推荐系统实现更好的效果。常用的副信息有社交信息（social networks）、用户/
RS-KGRS-2018：RippleNet（水波网络）【首次将基于embedding-based和path-based的方法结合到基于知识图谱的推荐系统中】
u013250861的博客
11-21 633
推荐系统中，（Collaborative Filtering，简称CF）根据用户的历史交互数据，并根据用户的潜在共同爱好进行推荐。然而CF算法也有一些问题：用户数据稀疏(Sparsity)，以及冷启动(Cold-start)问题。为了解决这些问题，研究者们提出在CF模型的基础上加入额外信息。比如社交网络、用户/商品属性、图片信息以及文字信息等。
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值