融合知识图谱和轻量图卷积网络的推荐算法
针对知识图谱推荐算法用户端和项目端建模程度不均且模型复杂度较高等问题,提出融合知识图谱和轻量图卷积网络的推荐算法.在用户端,利用用户相似性生成邻居集合,将用户及其相似用户的交互记录在知识图谱上多次迭代传播,增强用户特征表示.在项目端,将知识图谱中实体嵌入传播,挖掘与用户喜好相关的项目信息;接着,利用轻量图卷积网络聚合邻域特征获得用户和项目的特征表示,同时采用注意力机制将邻域权重融入实体,增强节点的嵌入表示;最后,预测用户和项目之间的评分.实验表明,在Book-Crossing数据集上,相较于最优基线,AUC和ACC分别提高了 1.8%和2.3%.在Yelp2018数据集上,AUC和ACC分别提高了 1.2%和1.4%.结果证明,该模型与其他基准模型相比有较好的推荐性能.
知识图谱、图卷积网络、注意力机制、推荐算法
32
TP391;TP181;TN925.93
陕西高等教育教学改革研究项目21BY031
2023-08-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
207-213