基于知识图谱的用户偏好神经建模框架

被引：8

作者：

朱桂明 ^{[1
,2
]}

宾辰忠 ^{[2
]}

古天龙 ^{[2
]}

陈炜 ^{[2
]}

贾中浩 ^{[2
]}

机构：

[1] 桂林电子科技大学计算机与信息安全学院

[2] 桂林电子科技大学广西可信软件重点实验室

来源：

模式识别与人工智能 | 2019年 / 32卷 / 07期

关键词：

推荐系统; 知识图谱; 偏好传播; 注意力机制;

D O I：

10.16451/j.cnki.issn1003-6059.201907010

中图分类号：

TP18 [人工智能理论]; TP391.3 [检索机];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对目前基于特征和基于路径的知识图谱感知推荐方法的不足,文中提出端到端的将知识图谱引入推荐系统的用户偏好神经建模框架(NUPM).该框架以用户在知识图谱中的历史访问项目为偏好起点,通过知识图谱中实体间的关系链接传播用户偏好,学习用户的潜在偏好,同时使用注意力网络融合各传播阶段偏好特征以构建最终的用户偏好向量.在真实数据集上的对比实验表明文中框架在个性化推荐中对用户偏好刻画的有效性.

引用

页码：661 / 668

页数：8

共 3 条

[1] Factorization Machines with libFM
Rendle, Steffen
[J]. ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2012, 3 (03)
[2] TEM:Tree-Enhanced Embedding Model for Explainable Recommendation .2 WANG X,HE X N,FENG F L,et al. Proc of the 27th International Conference on World Wide Web . 2018
[3] Meta-Graph Based Recommendation Fusion over Heterogeneous Information Networks .2 ZHAO H,YAO Q M,LI J D,et al. Proc of the 23th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining . 2017

← 1 →