基于图注意力网络表示学习的协同过滤推荐算法
针对传统的基于模型的协同过滤推荐算法未能有效利用用户与项目的属性信息以及用户之间与项目之间的关系结构信息,本文提出一种基于图注意力网络表示学习的协同过滤推荐算法.该算法使用知识图谱表示节点的属性特征信息和节点间的关系结构信息,并在用户和项目的同质网络上进行节点的图注意力网络表示学习,得到用户和项目的网络嵌入特征表示,最后构建融合网络嵌入信息的神经矩阵分解模型获得推荐结果.本文在Movielens数据集上与相关算法进行对比实验,实验证明该算法能优化模型的推荐性能,提高推荐的召回率HR@K和归一化折损累计增益NDCG@K.
协同过滤、相似度、表示学习、图注意力网络、同质网络、推荐算法、知识图谱
31
TP301.6;F724.6;TP18
2022-04-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
273-280