论文笔记——News Recommendation with Topic-Enriched Knowledge Graphs

最新推荐文章于 2022-12-26 19:00:00 发布
VIP文章 最新推荐文章于 2022-12-26 19:00:00 发布
阅读量1k 收藏 3
点赞数 1
分类专栏： 笔记
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/qq_43753721/article/details/109338334
版权

文章目录

Abstract

概述
引用论文中的一句话，新闻推荐系统的目标是处理大量的新闻以及给用户提供个性化的新闻推荐。
在这里插入图片描述
动机
新闻的标题中蕴含着丰富的实体信息以及话题信息，但是现有的模型通常忽略了实体信息与话题信息之间的关联，所以本篇paper提出了一个新的模型TEKGR（引入了知识图谱）

模型简介

TEKGR从两个方面处理Title：
（1）只从Title的单词中提取新闻的语义信息
（2）通过知识图谱（考虑话题、实体以及文本信息的关联）来对新闻的语义信息进行又一次提取
实验证明该模型优于现有的模型ÿ

最低0.47元/天 解锁文章
寻找微光的鱼
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
Knowledge Graph Fact Prediction via Knowledge-Enriched Tensor Factorization.pdf
08-09
We present a family of novel methods for embedding knowledge graphs into real-valued tensors. These tensor-based embeddings capture the ordered relations that are typical in the knowledge graphs represented by semantic web languages like RDF. Unlike many previous models, our methods can easily use prior background knowledge provided by users or extracted automatically from existing knowledge graphs. In addition to providing more robust methods for knowledge graph embedding, we provide a provably-convergent, linear tensor factorization algorithm. We demonstrate the efficacy of our models for the task of predicting new facts across eight different knowledge graphs, achievingbetween5%and50%relativeimprovementoverexistingstate-of-the-artknowledgegraphembeddingtechniques. Our empirical evaluation shows that all of the tensor decomposition models perform well when the average degree of an entity in a graph is high, with constraint-based models doing better on graphs with a small number of highly similar relations and regularization-based models dominating for graphs with relations of varying degrees of similarity.
next item recommendation with self-attention
04-29
本代码是推荐系统代码，希望推荐系统的童鞋可以下载，GitHub上目前还没有上传（ Collaborative filtering based on sequences）
从200多篇顶会论文看推荐系统前沿方向与最新进展
abcdefg90876的博客
04-03 5533
推荐系统作为深度学习御三家（CV, NLP, RS）之一，一直都是学术界和工业界的热门研究topic。为了更加清楚的掌握推荐系统的前沿方向与最新进展，本文整理了最近一年顶会中推荐系统相关的...
推荐系统和知识图谱论文推荐
qq_35222729的博客
08-30 5363
KDD2020 Graph-based Recommendation A Framework for Recommending Accurate and Diverse Items Using Bayesian Graph Convolutional Neural Networks 【华为诺亚】 An Efficient Neighborhood-based Interaction Model for Recommendation on Heterogeneous Graph 【Amazon】 论文：
推荐算法最前沿|CIKM2020推荐系统论文一览
abcdefg90876的博客
10-12 4889
作者：学派链接：https://zhuanlan.zhihu.com/p/261077109CIKM2020(http://www.cikm2020.org/)是数据挖掘相关领域一大盛会...
新闻推荐系统：深度知识感知网络DKN
明远
05-03 5247
DKN: Deep Knowledge-Aware Network for News Recommendation DKN: Deep Knowledge-Aware Network for News Recommendation[1] 目录 DKN: Deep Knowledge-Aware Network for News Recommendation 目录 ABSTRACT...
推荐系统2019-2021顶尖会议论文聚焦
lucas的博客
03-11 3368
推荐系统2019-2021顶尖会议论文聚焦 recommendation & deep learning – AAAI_2020_A Knowledge-Aware Attentional Reasoning Network for Recommendation.pdf – AAAI_2020_An Attentional Recurrent Neural Network for Personalized Next Location Recommendation.pdf – AAAI_2020
2018_WWW_DKN- Deep Knowledge-Aware Network for News Recommendation阅读笔记
程序媛的自学笔记
02-20 1290
Xmind思维导图： deep knowledge-aware network(DKN) properties： incorporates knowledge graph representation into news recommendation. a content-based model for CTR(click-through rate) prediction. key co...
Next Item Recommendation with Self-A‚ention-重要.pdf
11-29
Next Item Recommendation with Self-Attention 自我注意力机制的推荐系统
MIND: Microsoft News Recommendation Dataset(思想：Microsoft新闻推荐数据集)-数据集
03-04
新闻推荐的MIND数据集是从Microsoft新闻网站的匿名行为日志收集的。 MIND Microsoft News Recommendation Dataset_datasets.txt
Jointly Learning Explainable Rules for Recommendation with Knowledge Graph.pdf
08-09
Explainabilityandeffectivenessaretwokeyaspectsforbuildingrecommendersystems.Prioreffortsmostlyfocusonincorporatingside informationtoachievebetterrecommendationperformance.However,thesemethodshavesomeweaknesses:(1)predictionofneural network-basedembeddingmethodsarehardtoexplainanddebug; (2)symbolic,graph-basedapproaches(e.g.,metapath-basedmodels) requiremanualeffortsanddomainknowledgetodefinepatterns andrules,andignoretheitemassociationtypes(e.g.substitutable andcomplementary).Inthispaper,weproposeanoveljointlearningframeworktointegrateinductionofexplainablerulesfromknowledgegraphwithconstructionofarule-guidedneuralrecommendation model. The framework encourages two modules to complement each other in generating effective and explainable recommendation:1)inductiverules,minedfromitem-centricknowledgegraphs, summarizecommonmulti-hoprelationalpatternsforinferringdifferentitemassociationsandprovidehuman-readableexplanation formodelprediction;2)recommendationmodulecanbeaugmented byinducedrulesandthushavebettergeneralizationabilitydealing with the cold-start issue. Extensive experiments1 show that our proposedmethodhasachievedsignificantimprovementsinitem recommendationoverbaselinesonreal-worlddatasets.Ourmodel demonstrates robust performance over “noisy" item knowledge graphs,generatedbylinkingitemnamestorelatedentities.
DRN: A Deep Reinforcement Learning Framework for News Recommendation
07-05
基于强化学习的个性化推荐方面的论文，个性化推荐的前沿方向
News-Recommendation:新闻推荐调查
03-25
:grinning_face_with_smiling_eyes: [目录] 结构 代码：复现的代码 注：论文笔记 论文：论文 资源：论文截图 声明 要引用，转载，请附本仓库链接[ ] 强调 黄：需要看的点 蓝：看懂后自己提醒的需要注意的点 绿：不认识的单词在[45]之后黄色代表不认识的单词，绿色代表需要看的点 结果 ，用户名铂 新闻推荐 符号 接受推荐的用户记为$ u $，某些新闻记为$ v $ 目标 给定用户$ u $，新闻集$ \ mathcal {V} $，从$ \ mathcal {V} $中选出前$ k $个用户最有可能点击的新闻，推荐给用户 最大化点击率（CTR） 新闻推荐的特点 大规模：用户和新闻数量都很大，新闻更新快 稀疏：很多用户看很少的新闻，导致特征稀疏 动态：用户的兴趣一直发生着变化 无需查询：人们来看推荐很少会抱有特定的信息诉求，而是给我看一些有趣的东西 没有明确的反馈：难以获得用户的显示反馈，只有点击数据 没有异构的上下文
news_recommend:新闻推荐机器学习行动
07-13
新闻_推荐 新闻推荐机器学习行动
Recommendation-system-based-on-knowledge-graph-embedding:基于知识图嵌入的推荐系统
03-11
基于知识图嵌入的推荐系统基于知识图嵌入的推荐系统本系统是一个基于知识图嵌入的商品推荐系统，以下是该系统的详细介绍，基本代码都是自己所写，TransE和Rescal方法实现部分是照着论文与相关代码自己进行的复现，...
Explainable Reasoning over Knowledge Graphs for Recommendation.pdf
02-02
近年来,将知识图谱纳入推荐系统已引起越来越多的关 注.通过探索知识图中的互连,可以发现用户和项目之 间的连通性,这为路径提供了丰富且互补的信息给用户 -项目交互.这种连通性不仅揭示了实体和关系的语义, 而且还有...
NewsRecommendation
qq_43753721的博客
09-06 2143
文章目录简介问题定义背景Problem Definition评价指标数据集已有的模型 简介 NewsRecommendation是Recommendation的一个子领域，但是新闻推荐系统不同于其他的推荐系统，还需要对新闻文本进行处理，之前NewsRecommendation这个领域没什么进展是因为缺乏相关的数据集，Microsoft最近刚刚开源了MIND数据集，可以使用MIND数据集来研究新闻推荐系统的相关模型算法** *关于MIND数据集的介绍可以参考这篇paper：MIND: A Large-scal
毕业设计-基于深度学习的新闻推荐算法研究
Hai_Lang_IT的博客
12-26 2063
毕业设计-基于深度学习的新闻推荐算法研究：新闻推荐（NR）可以有效缓解新闻信息过载，是当今人们获取新闻资讯的重要方式，而深度学习（DL）成为近年来促进新闻推荐发展的主流技术，使新闻推荐的效果得到显著提升，受到研究者们的广泛关注。新闻推荐（news recommendation，NR）是一种缓解新闻信息过载的有效方式，能帮助用户从众多的新闻资源中筛选并推送其可能感兴趣的新闻。目前，各大新闻APP如今日头条和新闻网站如MSN News 等都在其商业系统中嵌入了推荐算法，以提供千人千面的新闻推荐，提升用户体验。
Efficient Video Recommendation with Multi-Head Self-Attention and Hybrid Sampling
最新发布
05-05
Efficient Video Recommendation with Multi-Head Self-Attention and Hybrid Sampling is a research paper that proposes a new approach for video recommendation. The paper presents a hybrid sampling strategy that combines the benefits of uniform and adaptive sampling techniques. It also introduces a multi-head self-attention mechanism that captures both global and local dependencies in the video sequences. The proposed method is designed to be computationally efficient and can handle large-scale video datasets. The authors evaluated their approach on a public video recommendation dataset and demonstrated that it outperforms several state-of-the-art methods in terms of recommendation accuracy and computational efficiency. The proposed method is expected to be useful in various video recommendation applications, such as personalized video recommendations, video summarization, and video search. Overall, Efficient Video Recommendation with Multi-Head Self-Attention and Hybrid Sampling is an interesting research paper that proposes a novel approach to video recommendation with practical applications.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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