DiffKG: 用于推荐的知识图谱扩散模型

发布于2023年12月28日

By Yangqin Jiang, Yuhao Yang, Lianghao Xia, Chao Huang

arXiv:2312.16890 [ cs.IR ] github:HKUDS/DiffKG

摘要

知识图谱（KGs）已成为丰富推荐系统的宝贵资源，通过提供大量事实信息并捕捉项目之间的语义关系。利用KGs可以显著提高推荐性能。然而，并非KG中的所有关系对目标推荐任务都同样相关或有益。事实上，某些项目-实体连接可能会引入噪声或缺乏信息价值，从而可能误导我们对用户偏好的理解。为了弥补这一研究空白，我们提出了一种新颖的用于推荐的知识图谱扩散模型，称为DiffKG。我们的框架将生成扩散模型与数据增强范式相结合，实现了稳健的知识图谱表示学习。这种集成有助于更好地对齐知识感知的项目语义和协作关系建模。此外，我们引入了一种协作知识图谱卷积机制，该机制结合了反映用户-项目交互模式的协作信号，指导知识图谱扩散过程。我们在三个公开可用的数据集上进行了广泛的实验，一致证明了我们的DiffKG相对于各种竞争基线的优越性。我们在以下链接提供了我们提出的DiffKG模型的源代码库：https://github.com/HKUDS/DiffKG。