Collaborative Knowledge base Embedding (CKE)

Collaborative Knowledge base Embedding (CKE)

 

在推荐系统中存在着很多与知识图谱相关的信息,以电影推荐为例:

 

  • 结构化知识(structural knowledge),例如导演、类别等;

  • 图像知识(visual knowledge),例如海报、剧照等;

  • 文本知识(textual knowledge),例如电影描述、影评等。

 

CKE是一个基于协同过滤和知识图谱特征学习的推荐系统:

 

 

 

CKE使用如下方式进行三种知识的学习:

 

  • 结构化知识学习:TransR。TransR是一种基于距离的翻译模型,可以学习得到知识实体的向量表示;

 

 

  • 文本知识学习:去噪自编码器。去噪自编码器可以学习得到文本的一种泛化能力较强的向量表示;

 

  • 图像知识学习:卷积-反卷积自编码器。卷积-反卷积自编码器可以得到图像的一种泛化能力较强的向量表示。

 

 

 

我们将三种知识学习的目标函数与推荐系统中的协同过滤结合,得到如下的联合损失函数:

 

 

 

使用诸如随机梯度下降(SGD)的方法对上述损失函数进行训练,我们最终可以得到用户/物品向量,以及实体/关系向量。CKE在电影推荐和图书推荐上取得了很高的Recall值和MAP值:

 

 

 

 

转载:

https://mp.weixin.qq.com/s/QO34vyt3uBSKvnYSW0Kumg

 

 

posted on   吱吱了了  阅读(2119)  评论(0编辑  收藏  举报

< 2025年2月 >
26 27 28 29 30 31 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 1
2 3 4 5 6 7 8

导航

统计

点击右上角即可分享
微信分享提示