Core Concepts
知識グラフを活用して、ユーザーとアイテムの両方の表現を強化し、ユーザーの動的な関心を捉えることで、より個人化された関連性の高いリコメンデーションを提供する。
Abstract
本論文は、知識グラフを活用したエンドツーエンドの深層学習モデル「RKGCN」を提案している。
まず、ユーザーの嗜好集合を計算し、アイテムとの類似度を求める。これにより、ユーザーの過去の行動履歴に基づいて、ユーザーの表現を強化する。
次に、知識グラフを活用してアイテムの表現も強化する。具体的には、アイテムの近傍ノードの情報を集約し、ユーザーとの関係性を考慮してアイテムの表現を更新する。
最後に、強化されたユーザーとアイテムの表現を内積して、クリックスルー率を予測する。
実験では、3つの実世界データセットで提案手法の有効性を確認している。提案手法は、既存の5つの手法と比較して優れた性能を示している。
Stats
ユーザーとアイテムの相互作用が1の場合、yu,v = 1。それ以外は0。
ˆ
yu,v = F(u, v | Θ, Y, G)
Quotes
知識グラフを活用することで、ユーザーとアイテムの両方の表現を強化し、ユーザーの動的な関心を捉えることができる。
知識グラフの豊富な構造情報を活用することで、より正確で個人化された関連性の高いリコメンデーションを提供できる。