基于协同知识嵌入注意网络的推荐算法研究

来源：计算机应用与软件杂志2024年第4期北京时间：

作者：师博雅, 梁光成, 孙宇健, 张家华, 胡泉

摘要：推荐系统广泛用于实际应用场景中, 现有利用图神经网络的基于知识图谱的解决方法忽略了对知识图谱中蕴含丰富关系知识的有效编码。提出一种协同知识嵌入注意网络模型, 通过在知识高阶传播过程中融入翻译模型对以三元组形式表示的知识进行有效编码, 实现协同信息与知识传播更高效的融合方式, 并通过拓展端到端模型CKAN完成推荐算法的设计。在三个真实推荐场景中的实验结果表明, 相对于现有的KGCN、KGNN-LS、KGAT等方法, 所提算法在点击率预测中的AUC值在Last.FM数据集上达到了0.847 3, 在Book-Crossing数据集上达到了0.753 8, 在Dianping-Food数据集上达到了0.878 3; 在Top-K推荐中的召回率均优于基准算法。

关键词：推荐系统, 协同过滤, 异质信息网络, 知识图谱嵌入, 图卷积神经网络