知识图谱(KGs)已成为通过提供大量事实信息和捕捉项目之间的语义关系来丰富推荐系统的宝贵资源。利用知识图谱可以显著提高推荐性能。然而,并非知识图谱中的所有关系对于目标推荐任务都同等相关或有益。事实上,某些项目-实体连接可能引入噪声或缺乏信息价值,从而可能误导我们对用户偏好的理解。为了弥补这一研究空白,我们提出了一种新颖的知识图谱扩散模型用于推荐,称为DiffKG。我们的框架将生成扩散模型与数据增强范式结合起来,实现了健壮的知识图谱表示学习。这种集成有助于更好地将知识感知的项目语义与协同关系建模对齐。此外,我们引入了一种协同知识图谱卷积机制,它结合了反映用户-项目交互模式的协同信号,指导知识图谱扩散过程。我们在三个公开可用的数据集上进行了广泛的实验,一致地证明了我们的DiffKG与各种竞争基线相比的优越性。我们在以下链接提供了我们提出的DiffKG模型的源代码仓库:https://github.com/HKUDS/DiffKG。

成为VIP会员查看完整内容
26

相关内容

【AAAI2024】面向序列推荐的插件扩散模型
专知会员服务
25+阅读 · 1月9日
专知会员服务
14+阅读 · 2021年7月21日
专知会员服务
68+阅读 · 2021年4月27日
【ICML2020】持续终身学习的神经主题建模
专知会员服务
37+阅读 · 2020年6月22日
【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
【CVPR2021】跨模态检索的概率嵌入
专知
17+阅读 · 2021年3月2日
【KDD2020】动态知识图谱的多事件预测
专知
88+阅读 · 2020年8月31日
国家自然科学基金
11+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
Arxiv
157+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
Arxiv
20+阅读 · 2023年3月17日
Arxiv
18+阅读 · 2021年3月16日
VIP会员
相关VIP内容
【AAAI2024】面向序列推荐的插件扩散模型
专知会员服务
25+阅读 · 1月9日
专知会员服务
14+阅读 · 2021年7月21日
专知会员服务
68+阅读 · 2021年4月27日
【ICML2020】持续终身学习的神经主题建模
专知会员服务
37+阅读 · 2020年6月22日
【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
相关基金
国家自然科学基金
11+阅读 · 2017年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员