基于知识图谱与图注意力网络的推荐算法  

作　　者：范紫萱 刘继[1] FAN Zixuan;LIU Ji

机构地区：[1]新疆财经大学统计与数据科学学院,新疆乌鲁木齐830012

出　　处：《信息技术与信息化》2024年第12期73-77,共5页Information Technology and Informatization

基　　金：国家自然社科基金资助项目“大数据背景下网络舆情智能治理:共同体构建、协同演进与引导机制”(72164034);新疆社会科学基金项目“新疆游客网络评论情感特征图谱分析与智慧旅游优化策略研究”(2024BTJ057)。

摘　　要：推荐系统作为解决信息过载问题的关键手段,在为用户提供个性化内容和服务方面发挥着重要作用,同时也面临着数据稀疏性和冷启动等挑战。为了应对这些挑战,将知识图谱作为辅助信息与基于图神经网络的推荐算法相结合,提出了一种创新的推荐算法——KGAE(knowledge graph attention recommendation of transe)。首先利用用户项目交互图和项目知识图谱构建协同知识图CKG(collaborative knowledge graph),然后将翻译距离模型TransE嵌入到图注意力网络中,使用GraphSAGE技术来更新目标节点的表示,通过注意力机制来区分邻居的重要性,提高推荐的准确性。在两个公共数据集上与五个主流推荐算法进行对比实验,结果表明所提方法能够显著提升推荐效果。

关 键 词：推荐系统 知识图谱 图注意力网络 TransE模型 注意力机制 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]