基于关系影响的加权知识图谱卷积网络推荐模型
传统的知识图谱卷积网络推荐模型是针对知识图谱的结构和关联信息而设计的,这种推荐模型能够解决部分推荐系统中的数据稀疏和冷启动问题.然而,传统的知识图谱卷积网络推荐模型在考虑实体领域的阶数和重要程度方面较为有限.为了解决这个问题,文章提出了一种新的加权知识图谱卷积网络推荐模型,它能够考虑到实体领域不同阶的重要程度.首先,基于不同阶的实体领域需要聚合的邻居个数设置不同权重,并用该权重来衡量实体领域阶数的重要程度,进而提出一种考虑关系影响的加权知识图谱卷积网络推荐模型.基于公开数据集的对比实验,加权知识图谱卷积网络推荐模型可进一步提升推荐的效率.
用户关系、网站运维、推荐系统、知识图谱、个性化推荐
19
TP391(计算技术、计算机技术)
2023-09-26（万方平台首次上网日期，不代表论文的发表时间）
共5页
27-30,44
