基于协同知识图谱特征学习的论文推荐方法

摘要：

为解决基于协同过滤的论文推荐方法面对海量数据时存在的数据稀疏性问题,提出一种基于知识图谱表示学习的论文推荐方法.结合开放知识库和用户-论文交互记录构建协同知识图谱,使用基于翻译的知识图谱表示学习算法将用户与论文映射为低维稠密向量表示,通过引入文本信息与结构信息的注意力机制对用户阅读偏好进行建模,并采用聚合函数融合用户邻域特征表示,同时循环使用多层感知机计算用户与论文的相关性得分,从而得到最终论文推荐列表.在CiteULike-a数据集上的实验结果表明,与基于协同过滤、内容过滤和知识图谱的论文推荐方法相比,该方法能有效挖掘论文之间潜在的语义关联关系,提高论文推荐质量.

关键词：推荐系统、知识图谱、论文推荐、注意力机制、图邻域

所属期刊栏目：46

分类号：TP319.1(计算技术、计算机技术)

资助基金：国家社会科学基金;省部级重点实验室开放基金

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：306-312