91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

協(xié)同知識圖譜推薦模型研究成果發(fā)表在Neurocomputing

     近日,研究組在《Neurocomputing》正式發(fā)表題為“HCKGL: Hyperbolic collaborative knowledge graph learning for recommendation”的論文,介紹了一種基于協(xié)同知識圖譜(Collaborative Knowledge Graph,CKG)的推薦模型HCKGL。該模型為了捕捉CKG鄰居節(jié)點之間的關(guān)系依賴性并準確計算鄰居信息的貢獻,提出了一種雙曲圖注意力網(wǎng)絡(HGAT),該網(wǎng)絡結(jié)合了關(guān)系曲率來自動分配權(quán)重。此外,提出了一種新的圖對比學習技術(shù)(HMCL),該技術(shù)利用雙曲嵌入傳播和多級對比學習來改善用戶和項目的表示。在兩個廣泛使用數(shù)據(jù)集上的大量實驗結(jié)果表明,HCKGL優(yōu)于最先進的基線。

  《Neurocomputing》 在計算機科學和人工智能領域?qū)儆赟CI Q1區(qū)期刊,中科院分區(qū)為2區(qū),最新影響因子為5.5。


登錄用戶可以查看和發(fā)表評論, 請前往  登錄 或  注冊。
SCHOLAT.com 學者網(wǎng)
免責聲明 | 關(guān)于我們 | 用戶反饋
聯(lián)系我們: