【SIGIR2020-微软】知识图谱上的增强推荐推理

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。