论文浅尝 | DSKReG：基于关系GNN的推荐知识图谱可微抽样

笔记整理：李爽，天津大学硕士

链接：https://dl.acm.org/doi/pdf/10.1145/3459637.3482092

动机

在信息爆炸的时代，推荐系统被广泛研究和应用，以发现用户的偏好信息。RS在冷启动时性能较差，如果将知识图谱(Knowledge graph, KG)作为辅助信息，可以缓解冷启动问题。然而，现有的研究大多忽略了KGs中的节点度是偏移的，并且在KGs中的大量交互是推荐不相关的。为了解决这些问题，本文提出了基于关系GNN的推荐知识图谱可微抽样(DSKReG)，该方法从KGs中学习连通项的相关分布，并根据该分布选取适合推荐的项目。作者设计了一种可微抽样策略，使相关项目的选择与模型训练过程共同优化。实验结果表明，该模型的性能优于目前最先进的基于KG的推荐系统。

亮点

DSKReG的亮点主要包括：

1.根据关联关系和项目类型计算相关分数进行抽样，可以引导模型选择推荐相关的项目；2.设计一种可微抽样策略，使得模型在优化的同时细化抽样过程。

概念及模型

模型的整体框架如下图所示。

•问题定义

知识感知推荐的目标是预测用户u是否对给定历史交互和KG的项目v有兴趣。在形式上&#x