融合图注意力网络与图卷积网络的混合知识图谱推荐模型

程 镇1, 王 浩2, 蔡 恬悦3
1、湖北大学财务处
2、湖北大学计算机与信息工程学院
3、中国电信股份有限公司武汉分公司

摘要


现有的图卷积网络推荐算法对用户信息考量不足,难以精准把握用户个性化需求与兴趣。为此,本文提出一种融合图注意力网络(GAT)和图卷积网络(GCN)的混合知识图谱推荐模型。该模型发挥注意力机制与多层图卷积的优势,同时从用户和物品两端提取特征。在用户特征提取上,借助注意力机制对用户邻居节点加权聚合,捕捉用户兴趣偏好;物品特征提取时,运用图神经网络邻域聚合策略生成嵌入向量,学习更丰富的实体表示。随后,将用户向量和实体向量输入预测层,预测用户与实体项目的交互概率。实验显示,在 Amazon-Book 和 Last-FM 两个公共数据集上,该模型相比其他对比模型性能提升显著。

关键词


推荐系统;知识图谱;图注意力网络

全文:

PDF


参考


[1]黄立威,江碧涛,吕守业等.基于深度学习的推荐系统研究综述[J].计算机学报,2018,41(07):1619-1647.

[2] Wang H,Zhang F,Wang J, et al. RippleNet[P]. Information and Knowledge Management,2018.

[3] Wang H,Zhao M,Xie X, et al. Knowledge Graph Convolutional Networks for Recommender Systems.[J]. CoRR,2019,abs/1904.12575.

[4] Lin Y,Liu Z,Sun M,et al.Learning entity and relation embeddings for knowledge graph completion[J]Proceedings of AAAI 2015.Menlo Park,CA:AAAI,2015:2181-2187.

[5]张宜浩.基于半监督学习的个性化推荐研究[D].重庆大学,2014.

[6] Wang X,He X,Cao Y, et al. KGAT[P]. Knowledge Discovery & Data Mining,2019.


Refbacks

  • 当前没有refback。