Explainable Reasoning over Knowledge Graphs for Recommendation

Explainable Reasoning over Knowledge Graphs for Recommendation

摘要

将知识图谱引入推荐中存在的问题

• 未充分探索用于推断用户偏好的这种连接性
• 对路径内的顺序性和整体语义建模方面存在不足

提出解决问题的模型

• KPRN（知识感知路径递归网络），利用知识图谱做推荐

KPRN的核心

KPRN利用路径中的顺序依赖关系，我们可以在路径上进行有效推理，以推断用户与项目交互的基本原理。设计了一个新的加权池操作来区分连接用户和项目的不同路径的优势，使模型具有一定的可解释性。

数据集

• 电影

  • MovieLens-1M和IMDb组合，MI

• 音乐

  • KKBox

介绍

KG

用户与项目之间的连通性反映了它们
之间的潜在关系，这是对用户与项目交互数据的补充。
从KG派生的额外用户项连接信息使推荐系统具有推理能力和可解释性。

比对知识图谱做推荐之前的方法

• 基于路径的方法

  作为实体类型的序列，不利用关于path的推理，而是使用user-item关联更新user-ite