融合知识图谱和轻量级图卷积网络推荐系统的研究

被引：14

作者：

马甜甜

杨长春

严鑫杰

贾音

蔡聪

机构：

[1] 常州大学计算机与人工智能学院

来源：

智能系统学报 | 2022年 / 17卷 / 04期

关键词：

图卷积网络; 知识图谱; 推荐系统; 嵌入传播; 协同过滤; 稀疏性; 邻域信息; 轻量聚合器;

D O I：

暂无

中图分类号：

TP391.3 [检索机]; TP183 [人工神经网络与计算];

学科分类号：

080201 [机械制造及其自动化]; 140502 [人工智能];

摘要：

基于协同过滤的算法是推荐系统中最重要的方法，由于冷启动和数据稀疏性的特点，限制了其推荐性能。为了应对以上问题，提出了知识图谱和轻量级图卷积网络推荐系统相结合的模型，该模型通过将知识图谱中的各个实体（项目）进行多次迭代嵌入传播以获取更多的高阶邻域信息，通过轻量聚合器进行聚合，进而预测用户和项目之间的评分。最后，在3个真实的数据集上MovieLens-20M、Last.FM和Book-Crossing的实验结果表明，该模型与其他基准模型相比可以得到较好的性能。

引用

页码：721 / 727

页数：7

共 6 条

[1]

基于知识图谱的深度推荐系统研究 [D].

王越群 .

吉林大学,

2022

[2]

基于知识图谱的个性化推荐系统构建 [J].

徐海文 ;

谭台哲 .

数字技术与应用, 2022, 40 (03) :152-154+164

[3]

基于区块链技术的旅游产品个性化推荐系统 [J].

汪滢 .

数字通信世界, 2022, (03) :41-43

[4]

A Survey on Knowledge Graphs: Representation; Acquisition; and Applications..[J].Ji Shaoxiong;Pan Shirui;Cambria Erik;Marttinen Pekka;Yu Philip S.IEEE transactions on neural networks and learning systems.2021,

[5]

NAIS: Neural Attentive Item Similarity Model for Recommendation [J].

He, Xiangnan ;

He, Zhankui ;

Song, Jingkuan ;

Liu, Zhenguang ;

Jiang, Yu-Gang ;

Chua, Tat-Seng .

IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2018, 30 (12) :2354-2366

[6]

Semi-Supervised Classification with Graph Convolutional Networks..[J].Thomas N. Kipf;Max Welling.CoRR.2016,

← 1 →