基于用户长短期兴趣与知识图卷积网络的推荐

来源：计算机工程与科学杂志2021年第3期北京时间：

作者：顾军华, 佘士耀, 樊帅, 张素琪

单位：（1.河北工业大学人工智能与数据科学学院，天津 300401；2.河北省大数据计算重点实验室，天津 300401；3天津商业大学信息工程学院，天津 300134）

摘要：基于知识图谱的推荐可以提高推荐的精确性、多样性和可解释性。结合知识图谱与用户长短期兴趣提出了基于用户长短期兴趣与知识图卷积网络的推荐模型（LSKGCN）。在知识图谱推荐算法的基础上提出了将用户长期兴趣偏好与短期兴趣偏好结合的用户表示方法。根据时间筛选近期历史项目并通过知识图卷积网络得到历史项目的向量表示，通过注意力机制得到短期兴趣表示。根据与所有历史项目的最小欧氏距离得到长期兴趣表示。最后在真实数据集MovieLens-20、Amazon Music、 Last.FM上进行测试，验证了该算法的有效性。

关键词：知识图谱,推荐系统,长短期兴趣偏好,图卷积网络,

基金资助：国家自然科学基金（61802282）； 天津市企业科技特派员项目（19JCTPJC54200）；河北省创新能力提升计划项目（199676146H）