![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
推荐系统
文章平均质量分 89
推荐论文总结
唯一的哈姆雷特
这个作者很懒,什么都没留下…
展开
-
【Knowledge Graph Context-Enhanced Diversified Recommendation(MSDM2024)】
推荐系统(RecSys)领域已被广泛研究,以通过利用用户的历史交互来提高准确性。尽管如此,这种对准确性的持续追求常常导致多样性的减少,最终导致众所周知的“回音室”现象。的RecSys作为一种对策应运而生,将并列,引起了学术界和行业从业者的高度关注。这项研究探索了知识图 (KG) 复杂背景下的多样化 RecSys。这些知识图谱充当有关实体和项目的互连信息的存储库,通过结合有洞察力的上下文信息,提供了一个扩大推荐多样性的有利途径。原创 2024-06-27 17:16:57 · 920 阅读 · 0 评论 -
Locality-aware subgraphs for inductive link prediction in knowledge graphs
最近的知识图(KG)归纳推理方法将链接预测问题转化为图分类任务。他们首先根据目标实体的 k 跳邻域提取每个目标链接周围的子图,使用图神经网络 (GNN) 对子图进行编码,然后学习将子图结构模式映射到链接存在的函数。尽管这些方法取得了巨大的成功,但增加 k 通常会导致邻域呈指数扩张,从而因过度平滑而降低 GNN 的表达能力。在本文中,我们将过程,旨在基于个性化 PageRank (PPR) 方法对目标链接周围紧密相关的子图进行采样。原创 2024-06-05 21:07:08 · 561 阅读 · 0 评论 -
Multi-objective reinforcement learning approach for trip recommendation
行程推荐是一项智能服务,为游客在陌生的城市提供个性化的行程规划。它旨在构建一系列有序的 POI,在时间和空间限制下最大化用户的旅行体验。将候选 POI 添加到推荐行程时,根据实时上下文捕获用户的动态偏好至关重要。同时,个性化出行中POI的多样性和流行度对用户的选择起着重要作用。为了应对这些挑战,在本文中,我们提出了 **MORL-Trip(旅行推荐多目标强化学习的缩写)**方法。,并在 Actor-Critic 框架上实现。原创 2024-05-25 16:18:48 · 609 阅读 · 0 评论 -
HMAR: Hierarchical Masked Attention for Multi-Behaviour Recommendation
在推荐系统的背景下,解决多行为用户交互对于理解不断变化的用户行为至关重要。最近的模型利用图神经网络和注意力机制等技术来建模不同的行为,但捕获历史交互中的顺序模式仍然具有挑战性。为了解决这个问题,我们引入了多行为推荐的分层屏蔽注意力(HMAR)。具体来说,我们的方法将屏蔽自注意力应用于相同行为的项目,然后对所有行为进行自注意力。此外,我们提出历史行为指标来对输入序列中每个项目的行为的历史频率进行编码。此外,HMAR 模型在多任务设置中运行,使其能够同时学习项目行为及其相关的排名分数。原创 2024-05-21 20:53:39 · 630 阅读 · 0 评论 -
Revisiting Graph based Social Recommendation: A Distillation Enhanced Social Graph Network
社交推荐利用社交关系构建推荐系统(RS),在缓解信息过载方面发挥着重要作用。最近,图神经网络(GNN)由于其强大的图数据容量而受到越来越多的关注。由于RS中的数据本质上是图的结构,因此基于GNN的RS正在蓬勃发展。然而现有作品缺乏对社会推荐的深入思考。这些方法包含隐含的假设,在实践中没有得到很好的分析。为了解决这些问题,我们对广泛使用的社交推荐数据集进行统计分析。我们设计了评估社交信息的指标,这可以为我们是否以及如何在 RS 任务中使用这些信息提供指导。原创 2024-05-14 10:23:04 · 607 阅读 · 0 评论 -
子图生成论文思路对比
论文1:Knowledge-Enhanced Recommendation with User-Centric Subgraph Network论文1博客:https://blog.csdn.net/Zjkorigin/article/details/137119122?论文2:LESS IS MORE: ONE-SHOT-SUBGRAPH LINK PREDICTION ON LARGE-SCALE KNOWLEDGE GRAPHS。原创 2024-05-18 11:00:17 · 404 阅读 · 0 评论 -
LESS IS MORE: ONE-SHOT-SUBGRAPH LINK PREDICTION ON LARGE-SCALE KNOWLEDGE GRAPHS
为了推断知识图 (KG) 上的新事实,链接预测器从图结构中学习并收集本地证据以找到给定查询的答案。然而,由于利用整个知识图谱进行预测,现有方法面临严重的可扩展性问题,这阻碍了它们在大规模知识图谱上的应用,并且无法通过普通采样方法直接解决。在这项工作中,我们提出了一次性子图链接预测来实现高效和自适应的预测。设计原则是,预测过程不是直接作用于整个知识图谱,而是解耦为两个步骤,即(i)根据查询仅提取一个子图,以及(ii)对这个单一的、依赖于查询的子图进行预测。我们发现,非参数和计算高效的启发式。原创 2024-05-17 23:46:34 · 894 阅读 · 2 评论 -
Knowledge-Enhanced Recommendation with User-Centric Subgraph Network
推荐系统,目前在各种平台上广泛应用,根据用户的喜好向用户推荐相关项目。依赖于用户-项目交互矩阵的经典方法有局限性,特别是在缺乏新项目交互数据的情况下。基于知识图(KG)的推荐系统已成为一种有前途的解决方案。然而,大多数基于知识图谱的方法采用节点嵌入,不能为不同用户提供个性化推荐,也不能很好地推广到新项目。为了解决这些限制,我们提出了知识增强的以用户为中心的子图网络(KUCNet),这是一种使用图神经网络(GNN)进行有效推荐的子图学习方法。KUCNet 为每个用户-项目对构建一个 U-I 子图。原创 2024-05-17 23:04:38 · 1094 阅读 · 0 评论 -
Multi-modal Knowledge-aware Reinforcement Learning Network for Explainable Recommendation
融合多模态在知识图谱上里用强化学习进行可解释性推理原创 2024-05-12 20:37:18 · 794 阅读 · 0 评论