DKN：注意力知识图谱新闻推荐

KCNN :
semantic-level & knowledge-level
1.multi-channel：word embedding；entity embedding；context entity embedding
2.word-entity-aligned：word & associated entity

新闻数据特征：
1.高度时间敏感，相关性很快失效
2.人对话题热点的敏感，对多个类别感兴趣
3.新闻语言高度浓缩凝结，包含大量知识节点和常识。

知识图谱嵌入：
entity-relation-entity（h，r，t）
为知识图谱中的每个实体和关系学习得到一个低维向量，同时保持图中原有的结构或语义信息。一般而言，知识图谱特征学习的模型分类两类：基于距离的翻译模型（使用基于距离的评分函数评估三元组的概率，将尾节点视为头结点和关系翻译得到的结果。这类方法的代表有TransE、TransH、TransR、TransD等）和基于语义的匹配模型（使用基于相似度的评分函数评估三元组的概率，将实体和关系映射到隐语义空间中进行相似度度量。这类方法的代表有SME、NTN、MLP、NAM等）。

（基于距离的翻译模型中TransD结果更好）

定义损失：
Kim CNN：
DKN模型结构图：

KCNN：将word embedding & entity embedding & context entity embedding拼接

其中，或者（非线性结果更好)
注意力模型：
DNN H计算权重

DNN G计算点击率

DKN：注意力知识图谱新闻推荐相关推荐

【推荐论文】基于多视角学习和个性化注意力机制的新闻推荐（附论文下载链接）...
编者按:个性化新闻推荐是新闻行业必然的发展方向,在其实现过程中面临着三个关键问题,即分析用户兴趣.根据新闻内容建模和新闻排序.本文将这三个问题划归为新闻信息与用户兴趣的多样性问题,并由此出发,提出了基 ...
我的机器学习入门之路（下）——知识图谱、推荐、广告
继上一篇<我的机器学习入门之路(中)--深度学习(自然语言处理)>,这一篇博客主要记录了我对知识图谱.推荐和广告等方向的一些涉猎与基础学习. 一.知识图谱从自然语言处理到知识图谱,是一个 ...
基于多视角学习和个性化注意力机制的新闻推荐（附论文下载链接）
编者按:个性化新闻推荐是新闻行业必然的发展方向,在其实现过程中面临着三个关键问题,即分析用户兴趣.根据新闻内容建模和新闻排序.本文将这三个问题划归为新闻信息与用户兴趣的多样性问题,并由此出发,提出了基 ...
【转】知识图谱上推荐推理的模仿学习框架
///又是一篇完全看不懂的文章,泪目了.唯叹一声,道路阻且长--- 原文标题:"SIGIR 2020 | 知识图谱上推荐推理的模仿学习框架" 原文地址:https://www.ms ...
推荐系统和知识图谱论文推荐
KDD2020 Graph-based Recommendation(基于图,不是知识图谱) 1. A Framework for Recommending Accurate and Diverse ...
SIGIR 2020 | 知识图谱上推荐推理的模仿学习框架
编者按:尽管知识图谱推理的发展前景广阔,但在收敛性和可解释性上仍存在一定的问题.微软亚洲研究院的研究员利用一个基于元启发式方法的示例路径抽取方法来以较低的标记代价提取示例路径集合,进而提出了一个对抗的 ...
mdp框架_SIGIR 2020 | 知识图谱上推荐推理的模仿学习框架
编者按:尽管知识图谱推理的发展前景广阔,但在收敛性和可解释性上仍存在一定的问题.微软亚洲研究院的研究员利用一个基于元启发式方法的示例路径抽取方法来以较低的标记代价提取示例路径集合,进而提出了一个对抗的 ...
（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 ...
当知识图谱遇上推荐系统之DKN模型（论文笔记一）
Deep Knowledge-Aware Network for News Recommendation 类别:依次学习首先使用知识图谱特征学习得到实体向量和关系向量,然后将这些低维向量引入推荐系统 ...

DKN：注意力知识图谱新闻推荐

DKN：注意力知识图谱新闻推荐相关推荐

最新文章

热门文章

DKN：注意力 知识图谱 新闻推荐

DKN：注意力 知识图谱 新闻推荐相关推荐

最新文章

热门文章

DKN：注意力知识图谱新闻推荐

DKN：注意力知识图谱新闻推荐相关推荐