本文提出了一种知识感知的多意图对比学习(KAMCL)模型用于多行为推荐。主要包括以下几个方面:
关系感知知识图谱聚合模块: 将知识图谱划分为不同关系的子图,利用图神经网络从不同关系的角度聚合项目信息,并采用对比学习来缓解不同关系子图中项目表示稀疏的问题。
意图生成模块: 利用知识图谱中的关系信息生成代表不同意图的嵌入表示。
基于意图的用户多行为交互模块: 从意图的角度探索不同行为之间的联系,并利用注意力机制捕捉用户在不同行为下的意图偏好。
此外,还设计了基于行为的对比学习方案,进一步增强了用户和项目的表示学习,缓解了数据稀疏问题。
实验结果表明,KAMCL在三个公开数据集上均优于现有的多行为推荐方法,特别是在数据稀疏的Tmall数据集上有明显的优势。
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Shunpan Lian... lúc arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.11993.pdfYêu cầu sâu hơn