基于异质信息网络的推荐模型
为了解决推荐系统的冷启动和稀疏性问题,本文提出了一种基于异质信息网络的推荐模型.传统的推荐方法无法在知识图谱表示学习中融入隐含的路径信息,这样使得知识推荐系统性能较为一般.本文提出的模型在异质信息网络中设置元路径,通过图神经网络融入到知识图谱表示学习中.再利用注意力网络连接推荐任务和知识图谱表示任务,其可以学习两个任务之中潜在的特征,并且能够增强推荐系统中被推荐项和知识图谱中实体的相互作用.最后在推荐任务中进行用户点击率预测.模型在公开数据集Book-Crossing和通过DBLP数据集构建的图谱上进行了实验.最后结果表明,模型在AUC,召回率和F1值3个指标上均比其他算法有更好的表现.
推荐系统、异质信息网络、知识图谱、图神经网络、注意力网络、深度学习
31
TP391;TP18;TN911-34
国家自然科学基金;江苏省高校自然科学研究项目;中国大学生创新训练计划
2022-08-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
361-368