概
本文介绍了一种将时间信息 (而非仅仅序列信息) 应用到知识图谱上的方法. 这里只介绍它对时间信息的提取方式.
TPRec
-
如上图所示, 如果有了具体的时间信息, 我们可以更加精准和贴切地推荐相应的物品.
-
但是, 显然将简单地将时间戳作为特征使用是没有多大意义的, 重要的时间背后的统计信息, 结构信息 (如周期性等), 故而作者希望将这些东西提取出来.
-
Temporal statistical features:
\[f_{stat} = year(t) \| season (t) \| month(t) \| week (t) \|. \]这部分将时间戳按照年月日分割, 以获得更具体的信息, 这些信息在网络购物中可以期待有比较重要的效果 (网络购物通常具有明显的季节性).
-
Temporal structural features:
\[f_{stru} = z_{gap}'(t) \| z_{gap}'' (t), \]其中
\[z_{gap}'(t) = \frac{\sum_{i=t-gap}^t z(i) - \sum_{i=t-2gap}^{t-gap} z(i)}{gap}, z_{gap}''(t) = \frac{\sum_{i=t-gap}^t z_{gap}'(i) - \sum_{i=t-2gap}^{t-gap} z_{gap}'(i)}{gap}, \]\(z(i)\) 是在时间戳 \(i\) 时的交互次数. 故上述特征实际上就是希望抓住整体的一个购物 (交互) 趋势.
代码
[official]
- Recommendation Time-aware Knowledge Reasoning Graphrecommendation time-aware knowledge reasoning embeddings query2box knowledge reasoning recommendation time-aware sequential attention 图谱knowledge知识graph graph recommendation augmentations contrastive recommendation distillation knowledge unbiased embedding knowledge graph gnn time-aware reasoning retrieval reasoning multi-hop answering