Disentangled Contrastive Learning for Knowledge-aware Recommender System

[Reki0216]

一言でいうと

知識を意識したレコメンデーションのための、解きほぐされた対比学習フレームワークを構築する新しいモデル DCLKR の提案

著者/所属機関

Shuhua Huang, Chenhao Hu, Weiyang Kong, and Yubao Liu

• Sun Yat-Sen University,Guangzhou
• Guangdong Key Laboratory of Big Data Analysis and Processing, Guangzhou

DOI

https://link.springer.com/chapter/10.1007/978-3-031-47240-4_8

会議名(ジャーナル名)

The 22nd International Semantic Web Conference (ISWC2023)

トラック

Research Track

動機

アイテム属性のさまざまな側面に基づいて多面的なユーザーの好みを探ることの重要性を強調し、解きほぐされた表現学習によって多面的なユーザーの好みをモデル化するというアイデア

手法

アイテムナレッジグラフを複数の側面に分解し、インタラクショングラフをエンコードし、 2 つのビュー間で整列された項目表現に対してビュー間対比学習を行う。

背景

各ユーザーと各アイテムの単一の表現しか学習しないため、アイテム属性のさまざまな側面に基づいて多面的なユーザーの好みを発見するには不十分

結果

3 つのベンチマーク データセットで広範な実験を実施し、アブレーション研究で各コンポーネントの有効性を示した

考察

アイテム属性のさまざまな側面に基づいてユーザーの多面的な好みを捕捉することができ、知識ビューと協調ビューの両方からの特徴が保存されるため、表現が DCLKR にとってより有益なものになる

課題

記載なし

読んだ範囲

斜め読み程度