融合注意力与结构降噪的对比学习知识感知推荐

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：任衍栋, 张东, 李冠宇

单位：大连海事大学 信息科学技术学院，辽宁 大连 116026

摘要：现有基于知识图谱推荐方法利用知识图谱丰富项目表示，但是固定聚合邻居实体的策略无法动态调整邻居实体的重要性，而且用户历史行为数据往往是嘈杂的，影响了推荐系统的性能。针对这类问题，提出一种融合注意力机制与图结构降噪的对比学习推荐算法，在多视图对比学习框架下采用了一个度敏感边缘修剪方法对用户-项目交互图进行结构降噪，去掉可能含有无意交互噪声的边，并缓解图神经网络中度数高的节点学习特征时容易存在的过度平滑问题。在知识图谱聚合中引入可学习的图注意力机制来有效识别知识图谱中信息丰富的知识连接，动态调整不同实体的权重。在Last.FM和MovieLens-1M两个真实的公共数据集上与其他先进算法进行对比实验，结果表明该模型在AUC、F1和Recall@[K]评价指标上均优于其他先进模型。

关键词：知识图谱（KG）,推荐系统,对比学习,注意力机制,图结构降噪