基于知识图谱与图注意力网络的推荐算法

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：推荐系统作为解决信息过载问题的关键手段,在为用户提供个性化内容和服务方面发挥着重要作用,同时也面临着数据稀疏性和冷启动等挑战.为了应对这些挑战,将知识图谱作为辅助信息与基于图神经网络的推荐算法相结合,提出了一种创新的推荐算法——KGAE(knowledge graph attention recommendation of transe).首先利用用户项目交互图和项目知识图谱构建协同知识图CKG(collaborative knowledge graph),然后将翻译距离模型TransE嵌入到图注意力网络中,使用GraphSAGE技术来更新目标节点的表示,通过注意力机制来区分邻居的重要性,提高推荐的准确性.在两个公共数据集上与五个主流推荐算法进行对比实验,结果表明所提方法能够显著提升推荐效果.

作者：

范紫萱、刘继

展开 >

作者单位：

新疆财经大学统计与数据科学学院新疆乌鲁木齐 830012

关键词：

推荐系统知识图谱图注意力网络 TransE模型注意力机制

出版年：

2024

DOI：

10.3969/j.issn.1672-9528.2024.12.016

信息技术与信息化

山东电子学会

信息技术与信息化

影响因子：0.29

ISSN：1672-9528

年,卷(期)：2024.(12)