|
|||||
|
|
| 融合协同知识图谱高阶邻居特征的推荐模型 | |
| 作者姓名： | 于嘉玮 薛涛 |
| 作者单位： | 西安工程大学 计算机科学学院, 西安 710048 |
| 基金项目： | 陕西省2020年技术创新引导专项基金(2020CGXNG-012) |
| 摘 要： | 在推荐时引入知识图谱中的实体及关系信息是有效缓解冷启动问题的方法. HAN模型首次将基于注意力机制的图神经网络用于异构图, 但是并没有充分利用节点的高阶邻居信息. 为了解决该问题, 提出了一种融合协同知识图谱高阶邻居特征的推荐模型CKG-HAN. 该模型用元路径来连接项目节点, 将协同知识图谱分成多个子图, 模型的节点注意力层用于聚合子图中每个节点的高阶邻居特征, 关系注意力层给不同元路径下的节点特征分配不同的权重, 最终得到充分融合语义信息的节点嵌入表示. 在MovieLens-1M数据集上进行了Top-K推荐, 结果表明本文提出的模型能够有效提高推荐结果的准确性. |
| 关 键 词： | 协同知识图谱 图注意力网络 推荐系统 注意力机制 元路径 特征融合 |
| 收稿时间： | 2021-08-15 |
| 修稿时间： | 2021-09-13 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 | |
| 点击此处可从《计算机系统应用》下载免费的PDF全文 | |
