科研之友
微信
新浪微博
Facebook
分享链接
摘要
越来越多的方法聚焦于利用图神经网络挖掘知识图谱的语义信息，然而大多数方法没有根据用户具体的兴趣偏好聚合邻居节点的语义信息，也没有对知识图谱学习得到的节点嵌入表示进行建模，导致推荐性能不佳和没有充分挖掘用户与物品嵌入表示之间的语义信息。为了解决这两个问题，提出基于图注意力卷积神经网络的方法。沿着图上的路径迭代地聚合图谱中每个节点两跳以内的邻居节点信息，并对知识图谱学习得到的用户和物品的嵌入表示进行建模，生成用户特定于该物品的特征嵌入表示。在MovieLens-1M和Last.FM数据集上进行点击率预测实验，AUC和F1两项评价指标均超过了目前主流的RippleNet、KGCN、KGNN-LS等方法。实验结果证明了图注意力卷积神经网络和重新编码用户嵌入表示的可行性。
- 单位
