知识图注意力网络 这是本文的PyTorch和DGL实现： 王翔，何湘南，曹以新，刘梦，蔡达生（2019）。 KGAT：推荐知识图注意力网络。 或。 2019年8月4日至8日，在美国阿拉斯加州安克雷奇KDD'19举行。 您可以找到论文作者的Tensorflow实现。 介绍 知识图注意力网络（KGAT）是专门针对知识感知的个性化推荐量身定制的新推荐框架。 KGAT建立在图神经网络框架的基础上，对协作知识图中的高阶关系进行显式建模，以提供带有项边信息的更好推荐。 如果要在研究中使用代码和数据集，请联系论文作者，并引用以下论文作为参考： @inproceedings{KGAT19, author = {Xiang Wang and Xiangnan He and Yixin Cao and

Toprovidemoreaccurate,diverse,andexplainablerecommendation, it is compulsory to go beyond modeling user-item interactions andtakesideinformationintoaccount.Traditionalmethodslike factorizationmachine(FM)castitasasupervisedlearningproblem, whichassumeseachinteractionasanindependentinstancewith side information encoded. Due to the overlook of the relations amonginstancesoritems(e.g., thedirectorofamovieisalsoan actorofanothermovie),thesemethodsareinsufficienttodistillthe collaborativesignalfromthecollectivebehaviorsofusers.

小组汇报：知识图注意力网络推荐_KGAT，PDF格式。（由ppt文件转） 知识图注意网络： 它以端对端的方式显式地对KG中的高阶连接进行建模。 它递归地从节点的邻居（可以是用户、项或属性）传播嵌入以细化节点的嵌入，并使用注意机制来区分邻居的重要性。