-
题名基于知识图谱与邻域感知注意力机制的推荐算法研究
- 1
-
-
作者
陈珊珊
姚苏滨
-
机构
南京邮电大学计算机学院/软件学院/网络空间安全学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第8期313-323,共11页
-
文摘
为解决传统推荐算法在面对数据稀疏的推荐任务时产生的冷启动问题,本研究将知识图谱引入推荐算法,结合一种新的邻域感知注意力机制代替传统图注意力机制来挖掘实体间的高阶连通信息,提出了基于知识图谱和邻域感知注意力机制的推荐模型KGNPAN。得益于知识图谱可使推荐具有精准、多样和可解释的特点,该模型能够很好地缓解数据稀疏与冷启动问题。首先利用基于自对抗负采样的图嵌入方法RotatE对原有物品和用户表征的语义信息进行扩充,将实体和关系向量映射成低维嵌入向量;其次,根据协同邻居的不同类型分别应用邻域感知注意力机制聚合邻居节点信息,丰富目标节点语义,并以卷积形式递归挖掘高阶连通信息;最后对用户与项目向量应用内积操作计算交互概率,得到推荐结果。在Amazon-book和Last-FM两个公共基准数据集上进行实验,结果表明,在与CKE,BPRMF,RippleNet,KGAT,KGCN和CAKN 6个基准模型的对比中,KGNPAN相较于基准模型中结果最优的CAKN模型,在召回率(Recall)上分别提升了1.30%和1.37%,在归一化折损累计增益上(NDCG)分别提升了1.26%和1.14%,充分验证了其有效性和可解释性。
-
关键词
推荐算法
邻域感知注意力机制
知识图谱
图神经网络
冷启动
-
Keywords
Recommended algorithm
Neighbor perception attention mechanism
Knowledge graph
Graph neural network
Cold start
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
