基于无采样协作知识图网络的推荐系统

作者：蒋雯静; 熊熙; 李中志; 李斌勇

来源：计算机应用, 2021, 1-9.

• 知识图谱
• 推荐系统
• 采样策略
• 图神经网络
• 注意力机制

知识图谱可以通过高效组织海量数据实现信息的有效抽取，因而基于知识图谱的推荐方法得到了广泛的研究和应用。针对图神经网络在知识图谱建模中的采样误差问题，提出了一种无采样协作知识图网络（Non-Sampling Collaborative Knowledge Graph Network, NCKN）的新方法。首先，设计了无采样知识传播模块，它通过在单个卷积层使用不同大小的线性聚合器来捕捉深层次的信息，实现高效的无采样预计算。为了区分邻居节点贡献度，在传播过程中引入注意力机制。其次，协作传播模块将知识嵌入同用户交互中的协作信号相结合，以更好地描述用户偏好。基于三个真实数据集，评估了NCKN在CTR预测和top-k中的性能。实验结果表明，与主流算法RippleNet、KGCN相比：（1） NCKN在CTR预测中的准确率分别提升了2.5%、2.7%。（2） top-k预测中，NCKN分别提升了2.1%、1.9%。所提方法不仅优化了图神经网络中的采样误差问题，且提升了推荐模型的准确率。

• 单位
  成都信息工程大学; 四川大学