知识增强的图神经网络序列推荐算法研究

作者：李盼; 解庆; 李琳; 刘永坚

来源：计算机工程, 2022, 1-12.

DOI：10.19678/j.issn.1000-3428.0063844

• 序列推荐
• 图神经网络
• 知识图谱
• 推荐系统
• 用户行为
• 深度学习

现有的基于图神经网络的序列推荐算法大多仅关注用户与项目交互的结构性信息，序列偏好的学习仅涉及项目交互顺序，缺乏项目自身的内容信息以及用户信息的有效利用，也没有挖掘项目之间更深层的语义关系。针对这一情况，提出知识增强的图神经网络序列推荐模型。首先引入知识图谱，结合用户交互数据构建协同知识图谱，学习得到项目语义关联辅助信息以及用户关联辅助信息；然后将交互序列构建成有向序列图，利用门控图神经网络以及用户关联辅助信息学习序列中项目节点的结构性信息；通过注意力机制组合项目向量作为全局序列偏好，将最近交互的项目作为当前兴趣偏好，融合二者形成最终序列偏好，并结合项目语义关联辅助信息进行模型预测。在Amazon-Book、Last-FM、Yelp2018三个公开数据集上的实验结果表明，辅助信息能有效提升序列推荐的准确度，算法在命中率（HIT@K）和归一化折损累计增益（NDCG@K）两个指标上相较于基线最优算法均有显著提升。评估指标K值选取10时，其指标HIT@10在三个数据集上分别提升12.9%、4.5%、6.9%，NDCG@10在三个数据集上分别提升29.4%、5.6%、16.7%。

• 单位
  武汉理工大学