融合知识图谱与注意力机制的推荐算法

摘要：

为了解决信息过载问题,提出了一种融合知识图谱与注意力机制的推荐模型.在该模型中,将知识图谱作为辅助信息进行嵌入,可以缓解传统推荐算法数据稀疏和冷启动问题,并且给推荐结果带来可解释性.为了提升推荐准确率以及捕捉用户兴趣的动态变化,再结合深度学习中的神经网络以及注意力机制生成用户自适应表示,加上动态因子来更好地捕捉用户动态兴趣变化,使用多层感知机对项目进行评分预测.在MovieLens-latest-small电影数据集和豆瓣数据集进行仿真验证,结果表明该模型进行TOP-K列表电影推荐相比于其他算法拥有更好的推荐性能.

关键词：知识图谱;神经网络;注意力机制;多层感知机;推荐算法

所属期刊栏目：58

分类号：TP391.3(计算技术、计算机技术)

资助基金：长江学者;创新团队发展计划

在线出版日期：2022-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：94-103