论文地址:https://arxiv.org/pdf/2204.08807.pdf

传统的基于知识图谱的推荐系统通常依赖于用户和物品的交互作为监督信号,因此广泛面临着监督信号稀疏的问题。受到最近对比学习范式的启发,我们提出了引入对比学习范式的解决方案Multi-level Cross-view Contrastive Learning for Knowledge-aware Recommender System(MCCLK)。不同于传统的通过数据增强方式构造图视角的对比学习方法,我们全面的考虑了三个不同的知识图谱推荐的图视角:全局的结构视角(user-item-entity 图)、局部的协同(user-item图)和语义(item-entity)视角。在开源基准数据集上的实验证明了 MCCLK 的有效性。