基于多视图的知识感知推荐系统

现在基于知识图谱的推荐方法中，大多采用单一用户或项目表示，存在用户兴趣干扰、信息不完全利用和数据稀疏的问题。本文提出一种基于多视图的知识感知推荐模型（Multi-view Knowledge-aware,MVKA）。首先，该模型在用户-项目图融合注意力机制捕获用户的兴趣表示；引入项目-实体图，设计图注意力网络进行特征提取获取项目的嵌入表示；然后在2个视图之间构造图视角的对比学习方法，最后进行求和和串联操作得到用户和项目的最终表示，并通过内积预测用户对项目的匹配分数。为了验证本文模型的准确性和计算效率，在MovieLens-1M、Book-crossing和Last FM公开数据集上进行了大量的实验，并且与其他传统方法和图神经网络模型相比，AUC和F1值评价指标均有明显提升，说明MVKA模型可显著利用各种信息关系数据来改善知识感知推荐任务。