|
|
1.
基于知识图谱驱动的图神经网络推荐模型
刘欢, 李晓戈, 胡立坤, 胡飞雄, 王鹏华
计算机应用
2021, 41 (7):
1865-1870.
DOI: 10.11772/j.issn.1001-9081.2020081254
知识图谱（KG）蕴含丰富的结构与关联信息，不仅可以缓解推荐系统中数据稀疏、冷启动等问题，还可以更准确地进行个性化推荐，因此提出一种基于知识图谱驱动的端到端图神经网络推荐模型KGLN。首先使用单层神经网络框架对图中单个节点进行特征融合，并加入影响因子来改变不同邻居实体的聚合权重；然后通过迭代的方式将单层扩展到多层，使实体可以获得丰富的多阶关联实体信息；最后结合实体特征与用户特征产生预测评分进行推荐。分析并研究了不同聚合方法及影响因子对推荐效果的影响。实验结果表明，在数据集MovieLens-1M以及Book-Crossing上与基准方法因子分解库（LibFM）、深度分解机（DeepFM）、Wide&Deep、RippleNet的对比中，KGLN的曲线下面积（AUC）分别提升了0.3%~5.9%和1.1%~8.2%。
参考文献 |
相关文章 |
多维度评价
|
|
