【KDD2020】 图模型信息融合

使用图模型解决问题时，面对实际环境中来源多样、形式复杂的数据，怎样将多种信息进行合理融合是一个值得关注的问题。本文将介绍两篇发表于KDD 2020的与图模型信息融合相关的工作。

第一篇工作为《HGMF: Heterogeneous Graph-based Fusion for Multimodal Data with Incompleteness》，该工作主要是基于异质图来解决多模态学习中在信息融合时会遇到的模态缺失问题。

第二篇工作为《Improving Conversational Recommender Systems via Knowledge Graph based Semantic Fusion》，该工作通过引入两个外部知识图谱丰富会话的语义信息，并通过互信息最大化弥补知识图谱间的语义鸿沟以提升会话推荐系统的表现。