科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对RippleNet未充分考虑实体聚集的关联性，导致推荐实体不够准确的问题，提出基于社区发现的模型CM-RippleNet，该模型通过构建知识图谱复杂网络，使同一个社区内的成员具有较高的相似度；利用Louvain算法对网络中的节点进行社区划分，得到节点-社区映射矩阵，将其加入到实体节点的嵌入表示中，融合用户表示最终计算出推荐结果。在两个公共知识图谱数据集上的实验结果表明:与KGCN、RippleNet、PER、MKR模型相比，CM-RippleNet模型的ACC、AUC、准确度与召回率指标有极大的提升，验证了模型的有效性。
- 单位
