科研之友
微信
新浪微博
Facebook
分享链接
摘要
推荐系统已经广泛应用于各领域以处理信息过载问题，但传统方法面临着数据稀疏的挑战，且使用矩阵分解也不能很好的捕获抽象的非线性交互。考虑到知识图谱可以提供丰富的边信息，文中提出一种知识图谱增强的神经协同过滤推荐方法。首先获取项目相关的元数据，将其构建为知识图谱，并利用表示学习方法获取图谱中的语义知识；其次，利用结合注意力的邻域传播机制获取图谱中的结构知识，以此增强项目表示；最后将得到的用户和项目表示送入矩阵分解与神经网络中进行推荐。在公开数据集MovieLens上的实验结果表明，该模型能够有效提升推荐结果的准确性。
-
单位安徽大学; 安徽商贸职业技术学院
