融合知识图谱与注意力机制的个性化序列推荐

摘要：

序列推荐系统可以根据用户和物品交互的时间序列信息,精确预测用户下一次交互物品.现有的序列推荐算法存在用户兴趣过渡拟合的问题,导致推荐内容同质化严重,从而无法实现个性化推荐.基于此,本文提出一种融合知识图谱与注意力机制的个性化序列推荐算法(SR-KGA):首先,引入知识图谱,通过图卷积网络对物品进行嵌入表示;其次,通过自注意力机制和多头注意力机制构建序列到序列(seq2seq)模型,最后,在损失函数中加入多样性正则项;实现用交互序列来预测未来可能交互的物品序列,从而进行推荐.通过在真实的数据集上实验,SR-KGA在保证推荐准确度的同时,提升了推荐列表的多样性,实现了用户个性化推荐.

关键词：序列化推荐系统、知识图谱、注意力机制、个性化推荐

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省兴辽英才计划项目;中国博士后科学基金;辽宁省自然科学基金博士启动项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1362-1369