扩散去噪与双视图增强协同优化的知识图谱推荐模型
来源：计算机工程与应用杂志2026年第13期北京时间：
作者：武征, 雒伟群, 朱睿
单位：1.西藏民族大学 信息工程学院，陕西 咸阳 712082；2.西藏自治区光信息处理与可视化技术重点实验室，陕西 咸阳 712082；3.厦门大学 航空航天学院，福建 厦门 361000；
摘要：针对知识图谱推荐系统中存在的低质量关系噪声抑制不足，以及用户-项目交互稀疏性导致的协同信号弱化问题，提出一种扩散去噪与双视图增强协同优化的知识图谱推荐模型（diffusion denoising and dual view enhanced co-optimisation for knowledge graph recommendation models，DVGRec）。在知识图谱视图方面，设计关系重要性评分机制以筛选高质量关系，并通过遮蔽-重建范式强化关键语义表达，进而构建多阶扩散去噪过程以抑制噪声传播；在用户-项目交互视图中，基于多尺度奇异值分解（multi-scale SVD）从用户-项目邻接矩阵中提取相应的协同模式，并引入加权融合机制生成增强型协同视图，从而缓解稀疏性导致的信号衰减问题；通过跨视图对比学习实现知识图谱视图与交互视图之间的语义对齐，利用双向特征对齐提升模型鲁棒性。实验在Last-FM、MIND和Alibaba-iFashion三个公开数据集上进行，结果表明，DVGRec在Recall@5和NDCG@5指标上相较于最佳基线模型分别实现了4.83%和3.91%的提升。该研究为知识图谱推荐系统提供了有效解决噪声鲁棒性和数据稀疏性的方案。
关键词：知识图谱,推荐系统,扩散去噪,双视图增强,多尺度奇异值分解,对比学习
基金资助：西藏自治区科技重大专项（XZ202201ZD0002G03）；厦门市自然科学基金（3502Z20227179）；福建省自然科学基金（2022J01058）；西藏民族大学校内项目（24MDY07）；西藏光信息处理与可视化技术重点实验室开放基金项目（KLFPXZMU2303）；西藏民族大学基金（Y2025133）。
