Domain-Oriented Knowledge Transfer for Cross-Domain Recommendation
IEEE(CCF B.SCI 1)-Guoshuai Zhao, Xiaolong Zhang, Hao Tang, Jialie Shen, and Xueming Qian-2024
思路
在CDR中,构建连接两个域的桥梁是实现跨域推荐的基础。然而现在的CDR方法往往在连接两个域时忽略了项目之间的自然关系的价值。
于是我们提出DKTCDR:面向领域的跨域推荐知识转移方法。
在模型中,我们利用跨域知识图中项目之间丰富的关系作为桥梁,以促进领域内和领域间的知识转移。
我们将项目的语义模态信息与知识图模态信息相结合,以增强项目建模。
挑战1:如何实现有效的跨域知识转移?在跨域知识图中,与域间关系相比,大多数节点拥有大量的域内关系,直接聚合一个节点的所有邻居可能会损害跨域知识的转移效率,于是,必须制定一个有效的策略进行知识转移。
挑战2:现有的数据集不能直接应用在本CDR模型中。因为目前没有包括跨域知识图的开源跨域推荐数据集。常用的开源跨域推荐数据集有亚马逊,豆瓣,但是这些缺乏相关的知识图谱;而现有的开源知识图谱,如Freebase,Wikidata过于庞大,无法直接使用,所以需要一种方法将知识图谱实体与推荐数据集项对齐。
本文提出了一种利用跨领域知识图提高跨领域知识转移效率的新方法。提出了一种跨领域知识转移策略(CKTS),用于基于知识图的跨领域推荐,以提高跨领域知识转移性能。此外,我们引入项目的语义信息,以增加语义相似项目的推荐概率。
DKTCDR模型
一、问题定义:
源域用户集Us,项集合I,知识图谱G包含所有域的所有项。使用E来代表G的实体嵌入集,并且Er表示G的关系嵌入。