融合知识图谱与循环神经网络的推荐模型

被引：14

作者：

程淑玉 ^{[1
]}

黄淑桦 ^{[2
]}

印鉴 ^{[2
]}

机构：

[1] 安徽电子信息职业技术学院

[2] 中山大学数据科学与计算机学院广东省大数据分析与处理重点实验室

来源：

小型微型计算机系统 | 2020年 / 41卷 / 08期

关键词：

知识图谱; 循环神经网络; 推荐系统; 偏好扩散;

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：

摘要：

为了解决协同过滤推荐所面对的数据稀疏问题,本文提出一个融合知识图谱与循环神经网络的推荐模型.传统的方法是将知识图谱特征学习模块与推荐模块独立开来,这样学习到的实体特征对推荐的帮助不大.本文提出的模型将知识图谱特征学习自动融合到了推荐系统,首先依据"偏好扩散"思想,利用知识图谱中实体的连接获取用户扩散偏好集,其次将用户扩散偏好集作为循环神经网络的输入,融合基于物品的注意力机制进行用户偏好特征表示学习,最后基于用户偏好特征预测用户喜欢某个物品的概率.该模型丰富了用户的偏好特征,学习出对推荐系统更有用的实体特征表示,增强了推荐效果.本文模型在电影和图书推荐上进行了实验,结果表明该模型在点击率预测、Top-k列表推荐等方面比其他相关算法有更好的表现.

引用

页码：1670 / 1675

页数：6