DiffKG：用于推荐的知识图谱扩散模型

发布于 2023 年 12 月 28 日

作者：杨琴 江、杨宇豪、夏良浩、黄超

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，它们提供了大量的 H 事实信息并捕捉了项目之间的语义关系。利用知识图谱可以显著提升推荐性能。然而，并非知识图谱中的所有关系都与目标推荐任务同样相关或有益。事实上，某些项目-实体连接可能会引入噪音或缺乏信息价值，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。我们的框架将生成式扩散模型与数据增强范式相结合，以实现鲁棒的知识图谱表示学习。这种集成促进了知识感知项目语义与协作关系建模之间更好的对齐。此外，我们引入了一种协作知识图谱卷积机制，该机制整合了反映用户-项目交互模式的协作信号，以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，始终证明了我们的 DiffKG 优于各种具有竞争力的基线模型。我们提供了我们提出的 DiffKG 模型的源代码库，链接如下：https://github.com/HKUDS/DiffKG。