语义会话推荐系统新进展：基于互信息最大化的多知识图谱语义融合 | KDD 2020( 三 )
本文插图
其中定义了多头注意力函数 ，定义了一个全连接前向传递网络 ，是编码器的嵌入矩阵输出, 和 都是知识图谱增强后的表示 。是解码器第 层的嵌入矩阵 。
我们进一步使用复制机制增强被推荐的item、相关实体与描述性关键词的生成 ， 最终的下一个符号 的预测公式如下：
其中 是解码器输出的词汇概率 ，是在两个知识图谱上使用标准复制机制的复制概率 。
回复生成模块的损失函数如下：
本文插图
3
实验与分析
本文在ReDial数据集上进行了实验 ， 并且对比了KGSF模型与基线算法的性能 。 按照对话推荐领域的惯例 ， 本文在推荐任务和生成任务上分别进行实验和分析 。
1、推荐任务
本文插图
为了验证KGSF模型的性能 ， 本文在标准设置、冷启动设置下分别进行试验 。 从图中看出 ， KGSF模型性能稳定且总是最优 。
2、生成任务
本文插图
本文插图
从图中可以看出 ， KGSF模型在所有评估指标上始终更好 。
3、定性分析 我们展示了一个定性分析的例子说明我们的模型如何工作 。
本文插图
4
小结
本文为CRS提出了一种基于知识图谱的语义融合技术 。 通过使用两个外部的知识图谱 ， 我们增强了单词和商品的语义表示 ， 并且使用互信息最大策略对齐这两个组件的语义空间 。 基于对齐的语义表示 ， 我们设计了能够精确推荐的知识图谱增强的推荐模块、能够产生丰富单词和实体的知识图谱增强的对话模块 。 拓展性实验证明我们方法的性能比若干基线方法要好 。
在未来的工作中 ， 我们将考虑使用更多种类的外部信息来改善CRS的性能 。 此外 ， 我们将研究如何使对话内容更具说服力 ， 并能为推荐结果提供解释 。 最后 ， 另一个有趣的主题是如何使用用户的历史交互数据 ， 并使用预定义的的用户画像开始会话 。
参考文献 [1] Yueming Sun and Yi Zhang. 2018. Conversational Recommender System. In SIGIR 2018. 235–244.
[2] Raymond Li, Samira Ebrahimi Kahou, Hannes Schulz, Vincent Michalski, Laurent Charlin, and Chris Pal. 2018. Towards Deep Conversational Recommendations.(2018), 9748–9758.
[3] Robyn Speer, Joshua Chin, and Catherine Havasi. 2017. ConceptNet 5.5: An Open Multilingual Graph of General Knowledge. In AAAI 2017. 4444–4451.
[4] Christian Bizer, Jens Lehmann, Georgi Kobilarov, S?ren Auer, Christian Becker, Richard Cyganiak, and Sebastian Hellmann. 2009. DBpedia - A crystallization point for the Web of Data. J. Web Semant. 7 (2009), 154–165.
[5] Graph Convolutional Neural Network. In BMVC 2016
[6] Michael Schlichtkrull, Thomas N. Kipf, Peter Bloem, Rianne van den Berg, Ivan Titov, and Max Welling. 2018. Modeling Relational Data with Graph Convolutional Networks. Lecture Notes in Computer Science (2018), 593–607.
推荐阅读
- 王者荣耀|王者荣耀：提前领取60级战令宝箱，选取推荐，官宣阿古朵明日上线
- 福建闽南网 CAXA入选工信部中小企业数字化赋能推荐目录
- 早爆娱闻|虽然推荐了诸葛亮，却一语道破他的惨淡命运，三国第一高人司马徽
- 艺绽|北京文艺日历（8月3日～8月9日）：好书好剧好展览，音乐电影戏剧推荐
- 投资|浙男子轻信他人在对方推荐的APP进行投资 被骗163万
- 4399H5游戏|一周H5新游推荐【第161期】
- 胜率|荒野乱斗 8月3日活动预告丨各地图高胜率英雄推荐
- 观教育文化|2020各大高校保研率有多少？推荐150所，有你目标院校吗？
- 考研|2020各大高校保研率有多少？推荐150所，有你目标院校吗？
- 篮球|2C1竞彩推荐：长崎成功丸 vs 东京绿茵，大宫松鼠 vs 福冈黄蜂