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.
NETL
NSTL
万方数据