首页|融合知识图卷积网络的双端邻居推荐算法

融合知识图卷积网络的双端邻居推荐算法

扫码查看
原文链接
  • 万方数据
  • 维普
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.
A Tow-endian Neighbor Recommendation Algorithm for Convolutional Networks Fused with Knowledge Graph

胡婷婷、黄刚、吴长旺

展开 >

南京邮电大学 计算机学院、软件学院、网络空间安全学院,江苏 南京 210023

知识图谱 KGCN 推荐系统 用户偏好 准确性

江苏省教育基金中国电信公司江苏分公司基金

17JS010DGJ02

2022

10.3969/j.issn.1673-629X.2022.10.006

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(10)
  • 2
  • 3