融合协同知识图谱和图卷积网络的推荐算法

推荐系统广泛应用于互联网，缓解信息过载问题。现有研究通常将知识图谱引入推荐算法中，但不能有效获取用户与项目的高阶建模以及存在数据稀疏性的问题。该文提出了一种融合协同知识图谱和图卷积网络的推荐算法(CKGCN)。首先，将用户-项目交互矩阵与项目知识图谱构建为协同知识图谱，利用知识感知注意力机制对邻居节点进行权重分配，递归地捕获用户和项目的特征向量，搜索用户对项目的潜在喜好，有效缓解数据稀疏性的问题。其次，采用基于图卷积网络的邻域聚合算法捕捉每层实体网络之间的高阶联系，将实体与邻域实体聚合，丰富实体语义表示。另外，通过交叉压缩单元协作处理项目特征向量与实体特征向量，探索二者的高阶特征交互，从而过滤实体的冗余信息、挖掘项目更深层次的联系。最后，对用户特征向量与项目特征向量进行计算得出用户对项目的预测概率。经过点击率预测及Top-k推荐实验证明，在书籍Book＿Crossing和音乐Last.FM两个公开的数据集上，该算法与五种基线算法相比较，AUC,ACC,F1,Recall@k和Precision@k评价指标值均有提升，表明该模型具有良好的推荐性能。