科研之友
微信
新浪微博
Facebook
分享链接
摘要
将知识图谱和图卷积网络共同用于协同过滤可以很好地提升推荐质量。原图卷积网络在每层节点更新时使用的特征转换矩阵对推荐任务来说是冗余的，而且现有的基于知识图谱卷积网络的推荐方法使用最后一层卷积层学到的节点表示作为目标节点的最终向量表示，而忽视了前几层目标节点的向量表示。针对这两个问题，提出了简化且多层结合的知识图谱卷积网络推荐算法（LMCR）。该算法在各阶卷积层执行节点更新操作时，去除特征转换矩阵并根据数据的稀疏性有选择地保留或舍去自连接；在计算目标节点的最终表示时，结合各卷积层学到的目标节点表示。在MovieLens-20M和Last.FM数据集上进行的实验显示LMCR优于其他推荐模型，并验证了去除特征变换矩阵和多层结合操作对提升推荐性能的有效性。
- 单位
