解决冷启动问题对于为新用户和新项目提供有意义的推荐结果是必不可少的。在稀疏观察数据下,未观察到的用户物品对也是提取潜在用户信息需求的重要来源。目前的研究大多利用未观察到的样本来提取负信号。然而,这种优化策略可能会导致对已经受欢迎的项目的偏见结果,因为它会频繁地将新项目作为负面实例处理。在本研究中,我们通过适当利用未观察到的样本来解决新用户/物品的冷启动问题。我们提出了一种基于图神经网络的知识图谱感知推荐器,该推荐器通过伪标注来增加标注样本。我们的方法积极地使用未观察到的样本作为积极的实例。为了避免对所有可能的用户和项目进行详尽的标签分配,我们利用KG为每个用户选择可能为正的项目。我们还采用了改进的负抽样策略,从而抑制受欢迎偏见的加剧。通过实验,我们证明了在各种场景下,我们的方法比最先进的KG感知推荐器都有改进; 特别是,我们的方法成功地改善了冷启动用户/项目的推荐性能。

成为VIP会员查看完整内容
22

相关内容

推荐系统,是指根据用户的习惯、偏好或兴趣,从不断到来的大规模信息中识别满足用户兴趣的信息的过程。推荐推荐任务中的信息往往称为物品(Item)。根据具体应用背景的不同,这些物品可以是新闻、电影、音乐、广告、商品等各种对象。推荐系统利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。随着电子商务规模的不断扩大,商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品。这种浏览大量无关的信息和产品过程无疑会使淹没在信息过载问题中的消费者不断流失。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。

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
应用知识图谱的推荐方法与系统
专知会员服务
109+阅读 · 2020年11月23日
【WSDM2021】弱监督下的分层元数据感知文档分类
专知会员服务
9+阅读 · 2020年11月16日
【KDD2020】 半监督迁移协同过滤推荐
专知会员服务
19+阅读 · 2020年10月21日
【CIKM2020】多模态知识图谱推荐系统,Multi-modal KG for RS
专知会员服务
96+阅读 · 2020年8月24日
【SIGIR2020-微软】知识图谱上的增强推荐推理
专知会员服务
72+阅读 · 2020年5月30日
专知会员服务
84+阅读 · 2020年1月20日
【基于元学习的推荐系统】5篇相关论文
专知
9+阅读 · 2020年1月20日
深度 | 推荐系统如何冷启动?
AI100
17+阅读 · 2019年4月7日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
领域应用 | 推荐算法不够精准?让知识图谱来解决
开放知识图谱
5+阅读 · 2018年6月5日
推荐算法不够精准?让知识图谱来解决
人工智能头条
7+阅读 · 2018年6月4日
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Heterogeneous Deep Graph Infomax
Arxiv
11+阅读 · 2019年11月19日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
10+阅读 · 2019年2月19日
Arxiv
3+阅读 · 2018年4月10日
VIP会员
相关VIP内容
相关论文
微信扫码咨询专知VIP会员