10.3969/j.issn.1007-130X.2023.03.018
融合相似用户影响效应的知识图谱推荐模型
知识图谱(KG)具有丰富的结构化信息,能有效缓解推荐模型的稀疏性和冷启动问题,提升推荐系统的准确性与可解释性.近年来,融合知识图谱的端到端推荐模型成为技术趋势.提出了一种融合相似用户影响效应的知识图谱推荐模型,该模型在有效利用知识图谱的前提下,扩充了用户与项目之间的交互方式.首先,利用图神经网络邻域聚合策略与注意力机制,分别捕获用户与项目在知识图谱上的2种高阶表示;其次,根据相似用户的影响效应,设计影响力增强层,捕获相似用户影响效应的潜在表示;最后,将上述3种表示共同反馈到多层感知机中,输出预测分值.在真实数据集上的实验结果验证了所提模型的有效性和效率.
知识图谱、推荐系统、注意力机制、影响效应
45
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;甘肃省自然科学基金;甘肃省自然科学基金;甘肃省高校产业支撑项目;西北师范大学研究生科研资助计划;西北师范大学青年教师能力提升计划;广西可信软件重点实验室研究课题
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
520-527