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