论文
登录后可查看剩余解析次数。
标签筛选
知识图谱嵌入
Understanding Negative Sampling in Knowledge Graph Embedding
发表：2021/1/31
知识图谱嵌入负采样方法负样本生成推荐系统中的知识表示链接预测与节点分类
本文探讨知识图谱嵌入中的负采样方法，强调其在训练中的重要性。基于对正、负样本的区分，论文总结了负采样方法的三种分类：静态分布、动态分布和自定义聚类。这为提升推荐系统、链接预测及节点分类等应用中的知识表示提供了新思路。
04
Knowledge-aware Graph Neural Networks with Label Smoothness
Regularization for Recommender Systems
发表：2019/5/11
知识图谱嵌入图神经网络推荐系统标签平滑正则化冷启动推荐知识感知推荐方法
本文提出KGNNLS模型，通过训练可辨识用户相关的知识图谱关系，将知识图谱转化为用户特定加权图，并结合标签平滑正则提升边权质量，实现端到端训练。该方法有效提升冷启动推荐性能，并具备良好扩展性，在多数据集上优于现有最优方法。
02
Entity Recommendation via Knowledge Graph: A Heterogeneous Networking Embedding Approach
知识图谱嵌入异构网络嵌入方法协同过滤与知识库融合文本与视觉内容表示学习推荐系统语义增强
本文提出协同知识库嵌入方法CKE，利用知识图谱中的结构化、文本和视觉信息，通过TransR异构网络嵌入与深度自编码器提取多模态语义表示，联合优化推荐系统。实验证明该方法显著优于传统协同过滤与多种融合模型。
08