结合项目属性协作信号减少无关邻域的推荐

来源：计算机工程与应用杂志2024年第7期北京时间：

作者：赵文涛, 薛赛丽, 刘甜甜

单位：河南理工大学 计算机科学与技术，河南 焦作 454000

摘要：在推荐系统中，知识图谱（knowledge graph，KG）作为辅助信息，提高了算法的性能以及可解释性。但在聚合多跳邻居时，它通常把所有的实体信息加以聚合并传播。KG中不是所有的信息都有助于改善推荐结果，当聚合邻域信息不加以区分时，实体的嵌入就会受到不相关实体的干扰。针对上述问题，提出一个项目属性协作信号和筛选高相关的邻域策略的模型（RUNCS），用以提高推荐的效果。具体来说，把点击过相同项目的用户称为相似邻居，通过相似邻居点击的项目和KG中的项目属性相结合，从而得到项目属性协作集；通过计算项目属性的相似性，得到相关性分数，用以筛选高相关的邻居；利用注意力机制对其分配权重进行信息聚合。在音乐和电影两个基准数据集中的实验结果表明，与现有最优主流方法相比，该模型在CTR预测上AUC提升0.6~2.7个百分点。

关键词：知识图谱,推荐系统,项目属性协作信号,注意力机制