融合知识图卷积网络的双端邻居推荐算法

摘要：

针对现有的基于知识图谱的推荐对于用户信息的考虑少于对物品信息的考虑,提出一种融合知识图卷积网络的双端邻居推荐算法,在用户端及物品端同时进行特征提取.对于用户特征的提取,是通过用户偏好在知识图谱中的扩散过程实现.对于物品特征的提取,是将邻居信息聚合到物品节点生成嵌入向量,因各个邻居的权重与用户点击物品的邻居节点紧密联系,因此基于KGCN模型来实现.最后让用户兴趣传播与物品特征聚合交替进行.在两个数据集上进行对比实验,在MovieLens-1M数据集上,与基线方法相比,AUC和F1分别提升了1.5％和2.0％,在Book-Crossing数据集上,AUC和F1分别提升了5.3％和1.9％,算法有效性得到显著提升.

关键词：知识图谱、KGCN、推荐系统、用户偏好、准确性

所属期刊栏目：32

分类号：TP309(计算技术、计算机技术)

资助基金：江苏省教育基金资助项目;中国电信公司江苏分公司基金资助项目

在线出版日期：2022-10-31（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：34-40