BriefGPT - AI 论文速递
·
基于知识图谱与复杂网络度量的出人意料推荐模型
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了Knowledge Graph Convolutional Networks (KGCN)的方法，通过挖掘和利用知识图谱上的属性来捕捉物品之间的相关性，以优化协同过滤型推荐系统的性能。实验证明该方法在电影、图书和音乐推荐上优于基线算法。
🎯
关键要点
-
提出了知识图谱卷积网络（KGCN）的方法。
-
通过挖掘和利用知识图谱上的互相关联属性来捕捉物品之间的相关性。
-
扩展感受野以建模高阶邻近信息。
-
将邻居信息与偏差相结合计算给定实体的表示。
-
优化协同过滤型推荐系统的性能。
-
实验结果表明该方法在电影、图书和音乐推荐上优于基线算法。
➡️
