微软提出基于知识图谱的深度神经网络DKN用于新闻推荐
DKN: Deep Knowledge-Aware Network for News Recommendation
Hongwei Wang, Fuzheng Zhang, Xing Xie, Minyi Guo
Shanghai Jiao Tong University, Microsoft Research Asia
http://cn.arxiv.org/pdf/1801.08284v2
在线新闻推荐系统旨在解决新闻的信息爆炸问题,并且给用户推荐个性化的新闻。一般而言,新闻语言高度精简,充满知识实体和常识。
但是,现有方法无法感知这种外界知识,无法完全发现新闻之间潜在的知识层面的联系。这就会造成给用户推荐的新闻局限于简单的模式,无法合理扩展。
为了解决上述问题,这篇文章提出一种深度知识感知网络,DKN,将知识图表示融入到新闻推荐中。DKN是一种基于内容的用于点击率预估的深度推荐框架。DKN的主要部分是一个多通道、单词实体对齐的知识感知卷积神经网络,KCNN,其中融入了新闻在语意层面和知识层面的表示。KCNN将单词和实体作为多通道,在卷积过程中明确保留他们之间的对齐关系。
为了解决用户兴趣多样性,作者们设计了一种注意力模块,用于自适应聚合用户对当前候选新闻的历史行为。在真实在线新闻平台上的大量实验表明,DKN的效果优于STOA深度推荐模型。
现有方法具有一定的缺陷,比如
新闻关联图示如下
知识图嵌入的基础及简介如下
几种转换方法及目标函数简介如下
卷积神经网络用于句子表示的简介如下
对应的图示如下
问题描述如下
DKN整体框架图示如下
基于知识图谱的知识蒸馏图示如下
实体的上下文定义如下
知识图谱中实体的上下文图示如下
下面是知识感知的卷积神经网络介绍
这种方法具有一定的局限性,比如
为了缓解以上局限性,作者们提出了多通道单词实体对齐卷积神经网络,KCNN,简介如下
后续操作还有一些max-over-time pooling和变化的窗口大小。
利用注意力网络提取用户兴趣的方法简介如下
数据集信息描述如下
统计信息描述如下
详细分布如下
参与对比的方法有以下几种
实验参数设置如下
几种模型效果对比如下
结果显示,DKN效果比较稳定
DKN及其变体效果对比如下
一个用户的数据示例如下
注意力可视化图示如下
参数设置对模型效果影响如下
我是分割线
您可能感兴趣
ADKDD2017|深度交叉网络DCN在广告点击预估中的应用
WWW2018|FwFM加权域分解机在CTR预估中的应用
WSDM2020|InterHAt分层注意力可解释CTR预估(已开源)
CIKM2019|Fi-GNN图神经网络学习特征交互在CTR预估中的应用(已开源)
CIKM2019|AutoInt自注意力神经网络自动学习特征交互(已开源)
WSDM2019|近似解耦随机游走RecWalk在top-N推荐中的应用(已开源)
CIKM2013|深层结构语意模型DSSM在web搜索中的应用
WSDM2019|社交注意力记忆网络在推荐系统中的应用(已开源)
SIGIR2020|基于序贯行为的高效迁移学习在用户建模及推荐中的应用(已开源)
WSDM2019|门限注意力自编码在内容感知推荐中的应用(已开源)
WWW2019|对偶图注意力网络在推荐系统中的应用(已开源)
KDD2019|个性化注意力在新闻推荐中的应用
SIGIR2020|序贯元学习方法在重新训练推荐系统中的应用(已开源)
WSDM2019|动态图注意力网络在基于会话的社交推荐中的应用
IJCAI2017|基于注意力机制的FM模型AFM在学习特征交互权重中的应用(已开源)
KDD2020|自动特征交互选择(AutoFIS)分解机模型在CTR预估中的应用(已开源)
SIGIR2020|LightGCN图卷积网络在推荐系统中的应用(已开源)
WWW2019|图神经网络在社交推荐中的应用
AAAI2019|自注意力度量学习在下一个商品推荐中的应用
WWW2020|基于隐含意图的注意力序列模型在下一个商品推荐中的应用
WWW2015|深度学习在推荐系统跨域用户建模中的应用
ICDE2020|多图卷积网络在草药推荐中的应用
ATM|注意力转移模型在预测下一个商品中的应用
IJCAI2019|深层自注意力网络在序列推荐中的应用
AAAI2020|深度学习在表格分析中的应用
NIPS论文系列|复数域RNN,深层生成模型,DRL在MDP中的应用(已开源)
AAAI2020|结合时空信息的分层注意力网络在大规模社交网络中的应用
ICDE2020|基于深度学习的关系抽取
只有正样本和无标签样本时如何构建分类器
ICDE2020|图卷积网络在价格感知推荐中的应用
WSDM2020|基于强化学习的多轮对话推荐系统(EAR, 即将开源)
WWW2020|如何利用未来数据协助训练基于会话的推荐(GRec)
ICML2018|基于自注意力的序列推荐模型SASRec(已开源)
IJCAI2018|分层时空LSTM在位置预测中的应用(HST-LSTM)
IJCAI2019|基于会话和注意力机制的CTR预估模型DSIN(已开源)
微软提出基于知识图谱的深度神经网络DKN用于新闻推荐相关推荐
- (七)DKN:用于新闻推荐的深度知识感知网络
摘要: 背景: 新闻语言是高度浓缩的,充满了知识实体和常识.然而,现有的方法并没有意识到一些外在的知识,也不能充分发现新闻之间潜在的知识层面的联系.因此,推荐给用户的结果仅限于简单的模式,不能进行合理 ...
- 论文浅尝 - IJCAI2020 | KGNN:基于知识图谱的图神经网络预测药物与药物相互作用...
转载公众号 | AI TIME 论道 药物间相互作用(DDI)预测是药理学和临床应用中一个具有挑战性的问题,在临床试验期间,有效识别潜在的DDI对患者和社会至关重要.现有的大多数方法采用基于AI的计 ...
- 基于深度学习的个性化新闻推荐.pdf(附下载链接)
今天给大家带来微软亚洲研究院研究院吴方照先生在2020年5月10日举办的"推荐系统前沿进展"系列学术沙龙活动中所做的分享<基于深度学习的个性化新闻推荐>,在本次分享中, ...
- 领域应用 | 大众点评搜索基于知识图谱的深度学习排序实践
本文转载自公众号:美团技术团队. 本文介绍了大众点评搜索核心排序层模型的演化之路,包括结合知识图谱信息构建适合搜索场景的Listwise深度学习排序模型LambdaDNN以及特征工程实践和相关工具建设 ...
- 美团技术团队-大众点评搜索基于知识图谱的深度学习排序实践
美团技术团队博客网址:https://tech.meituan.com/2019/02/28/root-clause-analysis.html 1. 引言 挑战与思路 搜索是大众点评App上用户进行 ...
- 大众点评 App 搜索基于知识图谱的深度学习排序实践
点击"开发者技术前线",选择"星标????" 13:21 在看|星标|留言, 真爱 本文授权转载自:美团技术博客 本文介绍了大众点评搜索核心排序层模型的演化之 ...
- 论文浅尝 | DKN: 面向新闻推荐的深度知识感知网络
笔记整理:仲亮靓,东南大学硕士研究生,研究方向是基于知识图谱的推荐系统 动机 新闻文本的语言非常凝练,其中包含了很多实体和常识知识.但目前的新闻个性化推荐方法都没有利用这些外部知识,也没有使用新闻之间 ...
- 生物信息学|机制驱动的可解释深度神经网络,用于药物组合的协同预测和通路反卷积
0. 摘要 联合用药在癌症治疗方面显示出了巨大的潜力.不仅可以减轻耐药性,而且可以提高治疗效果.抗癌药物数量的快速增长已经导致所有药物组合的实验研究变得昂贵和耗时.计算技术可以提高药物联合筛选 ...
- 【深度神经网络】主题论文推荐
深度神经网络(Deep Neural Networks, 简称DNN)是深度学习的基础,是深度学习的一种框架.它是一种具备至少一个隐层的神经网络,与浅层神经网络类似,深度神经网络也能够为复杂非线性系统 ...
最新文章
- PHP 调用C的代码
- 账户Account类文件编写(static成员使用)
- OpenSSL生成RSA公私钥(java)
- 超级人工智能何时能实现?
- 关注物业公司信息化建设
- 开源的魔兽世界参考架构——mangos--网络游戏引擎BigWorld 服务器介绍
- 刷流量php网站源码,在线模拟刷网站PV流量源码
- 错误代码741 因为文件名产生符号链接,所以需由对象管理器重新运行分析操作。
- 盘点MES系统物料管理那些事儿
- 基于VC++6.0开发俄罗斯方块(五)
- JDBC模拟SQL注入和避免SQL注入
- 【Matlab】RGB, HSV 颜色空间绘制
- Excel VBA:设置单元格边框
- react报错: 代码中直接使用dispatch报错,dispatch is not a function
- 雅虎說【用戶將無法從中國大陸使用 Yahoo 的產品與服務】电话号码选项中将(+86)删除
- A Bug's Life
- 鸟哥的Linux私房菜(零)计算器概论
- ImportError: cannot import name ‘VGG16‘ from ‘keras.applications‘
- 基于Matlab的汽车偏离车道报警系统
- 软件测试周刊(第34期):一岁有一岁的味道,一站有一站的风景
热门文章
- java全jit编译_Javac编译与JIT编译
- dnf剑魂buff等级上限_DNF:国服鬼剑85版本以来的变迁,剑魂最惨,阿修罗起伏不大...
- 孤尽训练营打卡日记day28--第四周总结
- 2022.02.16【读书笔记】|基于深度学习的生命科学 第2章 深度学习概论(下)
- 万字长文细说 Code Review 的正确姿势
- PyTorch强化:01.PyTorch 数据加载和处理
- SLAM14讲学习笔记(十五)卡尔曼滤波器的直观理解
- vue的进阶v-on 事件
- 要不要启用苹果wapi_苹果“史上最强”系统ios13来了,要不要升级?
- 倪光南院士:构建安全可控的信息技术体系,云宏高安全的云计算关键核心技术先行