首页 > TAG信息列表 > Intents
Learning Intents behind Interactions with Knowledge Graph for Recommendation阅读笔记
动机 本论文是2021年发表在IW3C2的一篇论文。在基于知识图谱的推荐系统中，使用图神经网络是一个趋势，但是目前基于图神经网络的模型有以下不足之处：1.没有在更细的意图粒度上识别用户与物品之间的关系。2.没有利用依赖关系保留长距离的语义连接。本文作者提出的KGIN模型解决了上述问Learning Intents behind Interactions with Knowledge Graph for Recommendation
KGIN Abstract 论文中提出目前的GNN-based模型在关系建模上属于粗粒度的建模。在两个方面做得不足： （1）没有在细粒度的意图级别上识别用户-项目关系 （2）未利用关系依赖性来保留远程连接的语义 于是使用了新的模型——Knowledge Graph-based Intent Network(KGIN)，结合KG关系，加强不同用户Android中定义广播监听，其他页面发送
private LocalBroadcastManager broadcastManager; /** * 注册广播接收器 */ private void receiveAdDownload() { broadcastManager = LocalBroadcastManager.getInstance(getActivity()); IntentFilter intentFilter = new IntentFilter();Android App Components - Intents, Activities, and Broadcast Receivers