基于注意力增强知识感知的用户推荐偏好模型

笔记整理
文章
AKUPM: Attention-Enhanced Knowledge-Aware User Preference Model for Recommendation

笔记很简陋。原文链接自己谷歌一下吧！懒得帖了

动机：
推荐的结果可能受大量无关实体的影响，为了解决这个问题，探索实体之间的关系。

实体之间的交互可以分为：实体间交互（实体表示用户时的重要性）、实体内交互（实体在不同关系下的不同特征）。

策略：
1，利用自我注意网络，通过学习每个实体对用户的适当重要性来捕获实体间交互。
2，通过将每个实体投射到其连接的关系空间中以获得合适的特征（embedding），从而对实体间的交互进行建模。
通过这样做，AKUPM能够找出合并实体中最相关的部分(即过滤掉不相关的实体)。

框架：

方法：
1，entity propagation
为了过滤噪声，我们提出了在知识图的关系中合并从用户的点击历史中传播的实体，使每个合并的实体都与用户相关。
聚合k跳邻居的实体信息

2，Entity Representation
TransR

3，Attention-based User Representation
自注意力机制