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(diǎn)之間的關(guān)系依賴性并準(zhǔn)確計(jì)算鄰居信息的貢獻(xiàn),提出了一種雙曲圖注意力網(wǎng)絡(luò)(HGAT),該網(wǎng)絡(luò)結(jié)合了關(guān)系曲率來自動(dòng)分配權(quán)重。此外,提出了一種新的圖對比學(xué)習(xí)技術(shù)(HMCL),該技術(shù)利用雙曲嵌入傳播和多級對比學(xué)習(xí)來改善用戶和項(xiàng)目的表示。在兩個(gè)廣泛使用數(shù)據(jù)集上的大量實(shí)驗(yàn)結(jié)果表明,HCKGL優(yōu)于最先進(jìn)的基線。
《Neurocomputing》 在計(jì)算機(jī)科學(xué)和人工智能領(lǐng)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。