融合协同知识图谱高阶邻居特征的推荐模型

摘要：

在推荐时引入知识图谱中的实体及关系信息是有效缓解冷启动问题的方法.HAN模型首次将基于注意力机制的图神经网络用于异构图,但是并没有充分利用节点的高阶邻居信息.为了解决该问题,提出了一种融合协同知识图谱高阶邻居特征的推荐模型CKG-HAN.该模型用元路径来连接项目节点,将协同知识图谱分成多个子图,模型的节点注意力层用于聚合子图中每个节点的高阶邻居特征,关系注意力层给不同元路径下的节点特征分配不同的权重,最终得到充分融合语义信息的节点嵌入表示.在MovieLens-1M数据集上进行了Top-K推荐,结果表明本文提出的模型能够有效提高推荐结果的准确性.

关键词：协同知识图谱、图注意力网络、推荐系统、注意力机制、元路径、特征融合

所属期刊栏目：31

分类号：TP391;TP18;TN915.02

资助基金：陕西省技术创新引导专项基金2020CGXNG-012

在线出版日期：2022-06-22（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：252-258