融合知识图卷积网络的双端邻居推荐算法

来源：计算机技术与发展杂志2022年第10期北京时间：

作者：胡婷婷;黄刚*;吴长旺

摘要：针对现有的基于知识图谱的推荐对于用户信息的考虑少于对物品信息的考虑,提出一种融合知识图卷积网络的双端邻居推荐算法,在用户端及物品端同时进行特征提取。 对于用户特征的提取,是通过用户偏好在知识图谱中的扩散过程实现。 对于物品特征的提取,是将邻居信息聚合到物品节点生成嵌入向量,因各个邻居的权重与用户点击物品的邻居节点紧密联系,因此基于 KGCN 模型来实现。 最后让用户兴趣传播与物品特征聚合交替进行。 在两个数据集上进行对比实验,在 MovieLens-1M 数据集上,与基线方法相比,AUC 和 F1 分别提升了 1. 5% 和 2. 0% ,在 Book-Crossing 数据集上,AUC 和 F1 分别提升了 5. 3% 和 1. 9% ,算法有效性得到显著提升。

关键词：知识图谱;KGCN;推荐系统;用户偏好;准确性