知识图谱被广泛用于提高推荐准确度。知识图谱上的多跳用户-物品连接还提供了关于为什么推荐某个项的推理。然而,路径推理是一个复杂的组合优化问题。传统的推荐方法通常采用蛮力方法来寻找可行路径,这导致了与可解释性和收敛性相关的问题。在本文中,我们通过更好地监督寻路过程来解决这些问题。关键思想是用最小的标记努力提取不完美的路径演示,并有效地利用这些演示来指导寻路。特别地,我们设计了一个基于演示的知识图推理框架用于可解释推荐。我们还提出了一个反面的actor批评家(ADAC)模型用于演示导向的寻路。在三个真实基准上的实验表明,我们的方法比最先进的基准更快地收敛,并且具有更好的推荐精度和可解释性。

成为VIP会员查看完整内容
72

相关内容

知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。 知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【SIGIR2020】LightGCN: 简化和增强图卷积网络推荐
专知会员服务
72+阅读 · 2020年6月1日
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
165+阅读 · 2020年5月27日
【斯坦福大学-论文】实体上下文关系路径的知识图谱补全
专知会员服务
84+阅读 · 2020年1月20日
论文浅尝 | 利用问题生成提升知识图谱问答
开放知识图谱
20+阅读 · 2019年11月5日
【清华大学】元知识图谱推理
专知
127+阅读 · 2019年9月2日
论文浅尝 | 基于知识图谱中图卷积神经网络的推荐系统
开放知识图谱
67+阅读 · 2019年8月27日
5篇顶会论文带你了解知识图谱最新研究进展
PaperWeekly
14+阅读 · 2019年2月21日
领域应用 | 如何将知识图谱特征学习应用到推荐系统?
如何将知识图谱特征学习应用到推荐系统?
微软研究院AI头条
7+阅读 · 2018年6月5日
Arxiv
13+阅读 · 2018年4月18日
Arxiv
12+阅读 · 2018年1月28日
VIP会员
相关资讯
微信扫码咨询专知VIP会员