已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

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
卓诗云发布了新的文献求助10
3秒前
Tony完成签到,获得积分10
3秒前
寒武纪关注了科研通微信公众号
5秒前
今后应助丁丁猫老大采纳,获得10
6秒前
顾矜应助丁丁猫老大采纳,获得10
6秒前
hky完成签到 ,获得积分10
8秒前
duxh123完成签到 ,获得积分10
9秒前
10秒前
11秒前
难过的人生完成签到 ,获得积分10
11秒前
123关闭了123文献求助
14秒前
15秒前
TBLS发布了新的文献求助10
17秒前
oceanao应助科研菜鸟采纳,获得10
17秒前
华仔应助结实的德地采纳,获得10
18秒前
动听靖完成签到 ,获得积分10
19秒前
Mrshi发布了新的文献求助10
19秒前
yinan完成签到,获得积分10
19秒前
yalon关注了科研通微信公众号
20秒前
壮观烧鹅完成签到 ,获得积分10
25秒前
无花果应助郎治宇采纳,获得10
25秒前
在路上完成签到 ,获得积分0
25秒前
隐形曼青应助辉光日新采纳,获得10
25秒前
27秒前
和谐的孱完成签到,获得积分10
27秒前
文艺的小刺猬完成签到 ,获得积分10
28秒前
陶醉的熊发布了新的文献求助10
30秒前
Jamer发布了新的文献求助10
30秒前
33秒前
郎治宇发布了新的文献求助10
37秒前
Orange应助肉松采纳,获得10
39秒前
zho应助小萝卜采纳,获得10
39秒前
yalon发布了新的文献求助10
40秒前
40秒前
45秒前
懒洋洋完成签到 ,获得积分10
46秒前
科研通AI2S应助sukasuka采纳,获得10
50秒前
劳模完成签到,获得积分10
53秒前
勤能补拙完成签到 ,获得积分10
53秒前
53秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
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 3158476
求助须知:如何正确求助?哪些是违规求助? 2809636
关于积分的说明 7883043
捐赠科研通 2468315
什么是DOI,文献DOI怎么找? 1314077
科研通“疑难数据库(出版商)”最低求助积分说明 630572
版权声明 601956