用于神经网络_微软提出基于知识图谱的深度神经网络DKN用于新闻推荐

DKN: Deep Knowledge-Aware Network for News Recommendation

Hongwei Wang, Fuzheng Zhang, Xing Xie, Minyi Guo

Shanghai Jiao Tong University, Microsoft Research Asia

http://cn.arxiv.org/pdf/1801.08284v2

在线新闻推荐系统旨在解决新闻的信息爆炸问题，并且给用户推荐个性化的新闻。一般而言，新闻语言高度精简，充满知识实体和常识。

但是，现有方法无法感知这种外界知识，无法完全发现新闻之间潜在的知识层面的联系。这就会造成给用户推荐的新闻局限于简单的模式，无法合理扩展。

为了解决上述问题，这篇文章提出一种深度知识感知网络，DKN，将知识图表示融入到新闻推荐中。DKN是一种基于内容的用于点击率预估的深度推荐框架。DKN的主要部分是一个多通道、单词实体对齐的知识感知卷积神经网络，KCNN，其中融入了新闻在语意层面和知识层面的表示。KCNN将单词和实体作为多通道，在卷积过程中明确保留他们之间的对齐关系。

为了解决用户兴趣多样性，作者们设计了一种注意力模块，用于自适应聚合用户对当前候选新闻的历史行为。在真实在线新闻平台上的大量实验表明，DKN的效果优于STOA深度推荐模型。

现有方法具有一定的缺陷，比如

新闻关联图示如下

知识图嵌入的基础及简介如下

几种转换方法及目标函数简介如下