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。
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Chen Li,Yang... às arxiv.org 04-11-2024
https://arxiv.org/pdf/2305.01147.pdfPerguntas Mais Profundas