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。