融合用户属性的多层次对比学习知识感知推荐方法

来源：计算机应用研究杂志2026年第1期北京时间：

作者：曹春萍,温昕瑜,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

摘要：现有基于知识图谱的推荐模型在用户属性利用与高阶信息建模方面存在不足，易受到冗余信号干扰，从而影响推荐效果。针对上述问题，提出一种融合用户属性的对比学习推荐模型MACRec。首先，通过构建属性视图引入用户侧特征，提升节点表示的多样性与准确性；其次，设计基于元图引导的领域构建策略，对高阶邻居进行筛选，以增强结构建模能力；再次，提出同阶与跨阶的对比机制，在协同信号与图谱信号之间实现平衡；最后，在MovieLens-1M与Book-Crossing两个公开数据集上开展实验。结果显示该模型在多项指标上均优于主流方法，证明了融合用户属性的对比学习方法在推荐准确性与泛化能力方面的有效性。

关键词：推荐系统,知识图谱,对比学习,图神经网络,

基金资助：国家级重点研发计划资助项目(2021YFF0600605)；；