CCIIP实验室2021级研究生邹定同学（2021年9月入学，导师：魏巍）论文“Multi-level Cross-view Contrastive Learning for Knowledge-aware Recommender System（作者：邹定，魏巍*，毛先领，王子扬，邱明辉，朱飞达，曹欣）”被第45届信息检索领域顶级国际会议（SIGIR2022）长文全文录用。第45届国际信息检索大会（The 45th International ACM SIGIR Conference on Research and Development in Information Retrieval）将于2022年7月11日-7月15日在西班牙首都马德里召开。SIGIR是中国计算机学会CCF推荐的A类国际学术会议，在相关领域享有较高学术声誉。这次会议共收到794篇长文投稿，仅有161篇长文被录用，录用率约20%。
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。我们因此在三个不同的图视角之间进行全局级和局部级的对比学习，以自监督的方式来挖掘出完整的图特征和结构信息。此外，我们还在少被考虑的语义图视角中，以k-NN的方式构建了一个item-item语义图，以此来捕获item-item语义关系。在开源基准数据集上的实验证明了 MCCLK 的有效性。
图1 多图视角示例：(i)传统的协同过滤方法从协同视角学习；(ii)之前的知识图谱推荐模型从结构视角学习；(iii)MCCLK从局部的协同视角(a)和语义视角(b)以及全局的结构视角学习。
图2 MCCLK模型框架示意图