基于知识图谱与复杂网络度量的出人意料推荐模型
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。
原文中文,约200字,阅读约需1分钟。
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。