Disentangled Interest importance aware Knowledge Graph Neural Network for Fund Recommendation

计算机科学 投资基金 推荐系统 可解释性 投资管理 图形 杠杆(统计) 经理人基金经理 财务 人工智能 业务 情报检索 理论计算机科学 市场流动性
作者
Ke Tu,Wenyu Qu,Zhengwei Wu,Zhiqiang Zhang,Zhongyi Liu,Yufen Zhao,Le Wu,Jun Zhou,Guannan Zhang
标识
DOI:10.1145/3583780.3614846
摘要

At present, people are gradually becoming aware of financial management and thus fund recommendation attracts more and more attention to help them find suitable funds quickly. As a user usually takes many factors (e.g., fund theme, fund manager) into account when investing a fund and the fund usually consists of a substantial collection of investments, effectively modeling multi-interest representations is more crucial for personalized fund recommendation than the traditional goods recommendation. However, existing multi-interest methods are largely sub-optimal for fund recommendation, since they ignore financial domain knowledge and diverse fund investment intentions. In this work, we propose a Disentangled Interest importance aware Knowledge Graph Neural Network (DIKGNN) for personalized fund recommendation on FinTech platforms. In particular, we restrict the multiple intent spaces by introducing the attribute nodes from the fund knowledge graph as the minimum intent modeling unit to utilize financial domain knowledge and provide interpretability. In the intent space, we define disentangled intent representations, equipped with intent importance distributions to describe the diverse fund investment intentions. Then we design a new neighbor aggregation mechanism with the learned intent importance distribution upon the interaction graph and knowledge graph to collect multi-intent information. Furthermore, we leverage micro independence and macro balance constraints on the representations and distributions respectively to encourage intent independence and diversity. The extensive experiments on public recommendation benchmarks demonstrate that DIKGNN can achieve substantial improvement over state-of-the-art methods. Our proposed model is also evaluated over one real-world industrial fund dataset from a FinTech platform and has been deployed online.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
rattlebox321完成签到,获得积分0
1秒前
zsss完成签到 ,获得积分10
2秒前
朴实初夏完成签到 ,获得积分10
7秒前
Driscoll完成签到 ,获得积分10
8秒前
周周南完成签到 ,获得积分10
8秒前
chhzz完成签到 ,获得积分10
9秒前
容与完成签到 ,获得积分10
11秒前
Cold-Drink-Shop完成签到,获得积分10
15秒前
六初完成签到 ,获得积分10
17秒前
向雫完成签到 ,获得积分10
19秒前
22秒前
22秒前
稳重的秋天完成签到,获得积分10
23秒前
changfox完成签到,获得积分10
25秒前
勤恳依霜发布了新的文献求助10
27秒前
Fei发布了新的文献求助30
27秒前
优雅的千雁完成签到,获得积分10
28秒前
cjq完成签到,获得积分10
30秒前
轻松的孤云完成签到,获得积分10
33秒前
NexusExplorer应助勤恳依霜采纳,获得10
35秒前
SciGPT应助科研通管家采纳,获得10
36秒前
37秒前
黑猫小苍完成签到,获得积分10
38秒前
林谷雨完成签到 ,获得积分10
44秒前
进退须臾完成签到,获得积分10
45秒前
儒雅涵易完成签到 ,获得积分10
45秒前
46秒前
ccl完成签到,获得积分10
47秒前
fwz完成签到,获得积分10
48秒前
49秒前
尼可刹米洛贝林完成签到,获得积分10
49秒前
Fei发布了新的文献求助30
51秒前
Oct完成签到 ,获得积分10
53秒前
青羽落霞完成签到 ,获得积分10
54秒前
58秒前
酷炫大白完成签到,获得积分10
1分钟前
TT完成签到 ,获得积分10
1分钟前
贾舒涵完成签到,获得积分10
1分钟前
1分钟前
故意的易梦完成签到 ,获得积分10
1分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Regression-Based Normative Data for Psychological Assessment 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099819
求助须知:如何正确求助?哪些是违规求助? 2751281
关于积分的说明 7612331
捐赠科研通 2403098
什么是DOI,文献DOI怎么找? 1275171
科研通“疑难数据库(出版商)”最低求助积分说明 616276
版权声明 599053