搜索推荐炼丹笔记：融合GNN、图谱、多模态的推荐

说到推荐系统，就不得不面对数据稀疏和冷启动问题，怎么解决呢？美团这篇论文《Multi-Modal Knowledge Graphs for Recommender Systems》说，我们不仅要加数据，而且是各种类型的都加。很多论文提出了用知识图谱作为推荐系统的辅助信息，而忽视了文本和图像，美团这篇论文，是第一个把知识图谱，多模态，attention都用来构建推荐系统的。模型模型也很霸气，叫MKGAT。GNN，知识图谱，多模态，推荐体系统在这篇论文里应有尽有。

知识图谱与推荐系统

知识图谱也算是火了很久，也已经广泛应用于学术界，工业界。知识图谱能给推荐系统提供丰富的特征和信息，有效的缓解了数据稀疏和冷启动。然而图片和文本会对推荐效果产生重大影响。举个 ，在看一部电影前，用户倾向于看海报和影评。在选择吃什么前，都会在大众点评上浏览各种美食图片。所以美团觉得，把这些多模态数据融入知识图谱，会对推荐系统产生很大的正面影响。一个简单的多模态知识图谱如下图：

这张图，其实是很难作为推荐系统的输入的，所以往往是通过GNN等方式，学习图上每个实体的embedding，然后把和推荐上下文相关实体的embeding发送给下游辅助模型学习。学习多模态知识图谱的表达，有两种方法：

• 基于特征的方法：把多模态信息作为实体额外的信息，然而这需要数据源中每个实体都有多模态相关信息。
• 基于实体的方法：把各种多模态信息，都当作一个单独的实体，和其他实体建立联系。如上图"Toy Story" 和"电影海报"的关系是有一张图片。基于实体的方法就是分别用迁移模型和CNN等方法学习3元祖(h,r,t)的embedding，h为head，r为relation，t为tail。上图就有很多三元祖(Toy Story, has image, 海报)，(Toy Story, director, John Lasseter)等等。

论文提到，基于实体的方法关注点是实体直接的联系，而非多模态数据，因此需要更显示的表达多模态信息相关实体，这时候MKGAT隆重登场。

问题定义

一个简单的知识图谱，就是由节点和边构成，G=(V，E)。从上图可知，这是个有向图，一条边r表达了head和tail的关系 ，如(Toy Story, actor, Tom Hanks)。多模态知识图谱中，图片文本就成了一等公民，成为了图中的实体。

联合知识图谱(collaborative knowledge graph)，如下图：

eu表示用户实体，ei表示item实体，绿色点就是多模态的实体，紫色点就是一般的实体。这张图箭头有实线，有虚线。实线表示某个用户对某个实体产生了某种交互(点击，购买等)，虚线表示各种非人实体之间其他关系。这篇论文的输入就是上图，输出是用户会和某个item交互的概率。

MKGAT

先看下整体模型架构：

MKGAT可以拆解为两个子模块，多模态embeding模块和推荐模块。在介绍各个子模块前，我们先介绍两个小的模块：

• 多模态图谱实体编码器: 给不同类型实体编码
• 多模态图谱注意力层:用注意力机制，融合所有邻居节点的信息，学习新实体的embedding。

多模态embeding把联合知识图谱作为输入，充分利用上面提到的两个小模块，去学习各个entity的表达。再用各个实体embeding的表达，去学习图谱之间的关系。推荐模块充分利用知识图谱学到的embedding ，和联合知识图谱去丰富用户和items的表达，从而提升推荐效果。

多模态图谱实体编码器其实很简单，如下图所示：

不同类型的数据用不同的embeding，一般的实体就是直接embeding+FC，图像就是CNN(Resnet)+FC，文本就是SIF+FC。

多模态图谱注意力层，看过GAT论文应该很熟悉，每个实体的embeding按照不同权重，聚合邻居节点。然而GAT忽视了KG节点直接关系是不同的，所以论文对此做了改进。如下图所示：

假设有个实体h，我们要学习(h,r,t)，在transE模型中认为h+r=t，但是实体h连接了很多多模态邻居节点，我们可以融合这些邻居信息去丰富h，最终得到eagg，如下公式所示：

传播层：Nh就是h和所有邻居节点形成的三元祖，e(h,r,t)是三元祖的embeding，前面乘的是该三元祖的attention分数。如下定义

融合层：得到eagg后如何融合原本实体的向量eh呢？论文给出了两种方法：

加法融合：先对eh做线性变换到公共空间，然后直接相加（借鉴残差网络）

concat融合:

传播层和融合层在知识图谱中可以多次操作，以挖掘更深的信息，比如我们可以对邻居的邻居做传播融合，得到邻居的embeding后在做一次传播融合，得到该实体的embeding。

得到embeding后，就要确定目标函数了，该文用了一个pairwise ranking loss，其中t'是随机采样的实体，不满足(h,r,t')的关系，如下式所示：

推荐模块

上一节只是把embeding学好了，但我们最终目标是给用户推荐商品。在推荐模块中，attention层依然可以复用，去融合邻居节点的信息。

对于一个用户(知识图谱中的一个实体)，他已经有一个向量e0，我们可以通过他的邻居，用attention的方式，再给他生成另一个向量e1，用他邻居和他邻居的邻居再生成向量e2，依此类推，最后把这些向量concat在一起，就是用户最终向量。推荐的item同理，如下式：

最终得到eu*和ei*后，直接点积再接BPR loss即可，如下式子：

实验

对比了目前一些算法，该MKGAT表现无论是在recall指标还是ndcg，都优于现有算法。

论文还提到，多模态相比于没有多模态的图谱，对推荐效果的提升也是显而易见的。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！