摘要

数字文化资源具有资源丰富、种类繁多等特点。针对数字文化资源的推荐,考虑到其资源类型的异构多样性,又可以划分为多个不同的子类别域。然而目前大多数的推荐方法仅针对单个物品类别域,无法捕获用户偏好在多个域之间的传播并有效地利用其他域所提供的信息。基于此,一种基于知识图谱的多目标跨域推荐模型(Knowledge Graph Multi-Target CDR model, KGMT)被提出,首先通过知识图谱构建不同域之间的联系并生成其中有关用户和物品的全局域嵌入,然后采用一种基于自注意力机制的融合注意力模块来联合目标域和全局域的嵌入表征,有效地利用全局域信息来提高每个目标域的推荐效果。最后分别在豆瓣和国家文化云平台的真实数据集上进行了多组实验,实验结果证明KGMT的表现优于基线模型,同时提高了多个目标域的推荐指标。