Ripple Knowledge Graph Convolutional Networks For Recommendation Systems

要約

タイトル：Ripple Knowledge Graph Convolutional Networks For Recommendation Systems

要約：

– 知識グラフを使用して、深層学習モデルの推薦決定を支援することが、モデルの解釈性と精度の改善に実証されている。
– 本研究では、各ユーザーの好みを動的に分析し、適切なアイテムの推薦を行うエンドツーエンドの深層学習モデルである「RKGCN」を紹介する。
– RKGCNは、アイテム側とユーザー側の両方の知識グラフを組み合わせ、表現を豊かにすることで、知識グラフの豊富な情報を最大限に活用する。
– RKGCNは、3つの異なるシナリオでよりパーソナライズされた、より関連性の高い推薦を提供することができる。
– 実験的結果は、本モデルが映画、書籍、音楽を含む3つの現実のデータセットで、5つのベースラインモデルよりも優れた効果を示している。

要約(オリジナル)

Using knowledge graphs to assist deep learning models in making recommendation decisions has recently been proven to effectively improve the model’s interpretability and accuracy. This paper introduces an end-to-end deep learning model, named RKGCN, which dynamically analyses each user’s preferences and makes a recommendation of suitable items. It combines knowledge graphs on both the item side and user side to enrich their representations to maximize the utilization of the abundant information in knowledge graphs. RKGCN is able to offer more personalized and relevant recommendations in three different scenarios. The experimental results show the superior effectiveness of our model over 5 baseline models on three real-world datasets including movies, books, and music.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI