RippleNet: Propagating User Preferences on the Knowledge
Graph for Recommender Systems
代码： https://github.com/hwwang55/RippleNet
摘要
- 要解决的问题：
为了解决协同过滤的稀疏性和冷启动问题，研究者通常利用社会网络或项目属性等侧信息来提高推荐性能。 - 我们的方法：
本文将知识图作为边信息的来源。为了解决现有基于嵌入和基于路径的知识图感知推荐方法的局限性，我们提出了RippleNet，这是一个将知识图自然地整合到推荐系统中的端到端框架。与在水面上传播的实际波纹类似，RippleNet通过自动迭代地沿着知识图中的链接扩展用户的潜在兴趣来刺激用户偏好在知识实体集合上的传播。将用户历史点击物品激活的多个“涟漪”叠加，形成用户对候选物品的偏好分布，用于预测最终的点击概率。通过对真实世界数据集的大量实验，我们证明了RippleNet在各种场景中取得了实质性的收益，包括电影、书籍和新闻推荐，超过了几个最先进的基线。