Wissensgraph Kontrastives Lernen für Empfehlungen

Wissensgraphs (KGs) wurden als nützliche Zusatzinformationen genutzt, um die Empfehlungsqualität zu verbessern. In diesen Empfehlungs systemen enthält die Wissensgraphinformation oft wertvolle Fakten und inhärente semantische Zusammenhänge zwischen den Objekten. Der Erfolg solcher Methoden hängt jedoch von der hohen Qualität der Wissensgraphen ab und kann aus zwei Herausforderungen keine qualitativ hochwertigen Repräsentationen lernen: i) Die Verteilung von Entitäten im langen Ende führt zu spärlichen Überwachungs-signalen für die durch KGs verbesserten Objektrepräsentationen; ii) Wissensgraphen aus der realen Welt sind oft geräuschbehaftet und enthalten themenirrelevante Verbindungen zwischen Objekten und Entitäten. Solche KG-Dünnheit und Rauschen führen dazu, dass die abhängigen Beziehungen zwischen Objekten und Entitäten nicht die wahren Eigenschaften widerspiegeln, was den Rauscheffekt erheblich verstärkt und die genaue Darstellung der Benutzerpräferenzen behindert.