基于知识图谱邻域扩展特征的加权推荐方法
来源：计算机应用与软件杂志2024年第12期北京时间：
作者：张晓明, 吴婷婷, 王会勇
摘要：知识图谱应用到推荐算法中可以有效降低推荐系统中存在的数据稀疏性和冷启动障碍，因此提出一种基于邻域扩充特征的加权推荐方法（KGTR）。在知识图谱卷积网络（KGCN）中加入关系对实体的关联强度，来完成项目特征的邻域表示；将其与扩充用户兴趣特征的模型（RippleNet）结果采用加权的方法结合，并引入KL散度（Kullback-Leibler）作为偏差。在MovieLens-1M和Book-Crossing两个数据集上的实验结果表明，该方法比基线模型在评估指标AUC、F1和ACC上有提升。
关键词：知识图谱, 推荐算法, 邻域特征, 三元组表示, 关联强度
