融合知识图谱与协同过滤的推荐模型

摘要：

针对现有协同过滤推荐算法可解释性不高和基于内容推荐信息提取困难、推荐效率低等问题,提出一种融合知识图谱和协同过滤的混合推荐模型,其由知识图谱与深度学习结合模型RCKD和知识图谱与协同过滤结合模型RCKC构成.RCKD模型在获取知识图谱的推理路径后,利用TransE算法将路径嵌入为向量,并使用LSTM和soft attention机制捕获路径推理的语义,通过池化操作区分不同路径推理的重要性,经全连接层和sigmoid函数获得预测评分.RCKC模型根据知识图谱表示学习的语义相似性,利用协同过滤算法获得预测评分.按预测评分的准确度将两个模型相互融合,最终获得可解释的混合推荐模型.在MovieLens数据集上的实验结果表明,与RKGE、RippleN模型和经典协同过滤算法相比,该模型具有较好的推荐可解释性和较高的推荐准确率.

关键词：知识图谱、协同过滤、深度学习、混合推荐、知识表示学习

所属期刊栏目：46

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;云南省软件工程重点实验室开放基金

在线出版日期：2021-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-79,87