会议介绍:
ACM SIGKDD(国际数据挖掘与知识发现大会,简称KDD)是数据挖掘领域的顶级国际学术会议,由美国计算机学会(ACM)数据挖掘及知识发现专委会(SIGKDD)主办,被中国计算机学会(CCF)推荐为A类国际学术会议,至今已举办26届,今年将于2020年8月23日-8月27日在美国加利福尼亚州召开。本届KDD会议共收到Research Track投稿1279篇,其中录用论文216篇,录取率约为16%。
论文介绍:
通讯作者:赵鑫副教授
作 者:周昆(北大研究生),赵鑫,卞书青,周远航,文继荣,俞敬松(北大副教授)
论文题目:Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion
论文概述:会话推荐系统(CRS)旨在通过交互式会话向用户推荐高质量的商品。尽管会话推荐系统目前已取得一定的成果,但仍有两个主要问题有待解决。首先,对话本身缺乏足够的上下文信息来准确理解用户的偏好。其次,会话文本以自然语言的形式呈现,然而用户的偏好反映在商品或实体上。所以需要增强该部分信息,并且打通以上两种数据信号的语义鸿沟。
为了解决这些问题,我们将面向单词的知识图谱和面向实体的知识图谱结合起来,以分别增强这两种语义单元的表达。此外,我们提出了使用互信息最大化的策略来对齐两个组件的语义空间。在语义对齐的基础上,我们进一步利用了知识图谱强化后的的推荐模块来提供精准的推荐,并利用知识图谱强化后的对话组件来帮助在会话文本中生成信息量丰富的关键字或实体。我们在真实数据集上证明了我们的方法在推荐和