MKHCR超图注意力网络

HR@50提升6.76%

基于会话、知识图谱和评论三方面知识构建超图，建模高阶关系以增强用户偏好表征，仅用对话和知识即可显著提升推荐与回复生成性能。

Xiaokang, Li · 张宜浩 · Yonghao, Huang · Kaibei, Li · Yunjia, Zhang · 王喜宾

Knowledge-Based Systems 2024

参数信息

HR@50

6.76 %

MRR@50

9.16 %

NDCG@50

7.92 %

技术优势

对话历史用上了

构建会话超图来捕获历史对话中的高阶复杂关系，从而挖掘用户隐式偏好。

项目表征更全面

结合知识图谱和评论信息，在超图结构中建模复杂的语义关系，增强项目表征，缓解数据稀疏问题。

关键特征抓得准

提出的双注意力机制超图注意力网络能灵活聚合重要高阶特征，增强用户偏好表征。

应用场景

• 智能对话系统：提升对话推荐系统捕捉用户偏好的能力，让推荐更贴合用户意图。
• 个性化推荐：通过融合知识图谱和评论信息缓解数据稀疏，改善个性化推荐的准确性。
• 智能客服：用对话历史高阶关系挖掘用户隐式需求，提升客服对话中的推荐质量。