科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的知识图谱推荐模型没有考虑到用户的周期特征以及待推荐项目会对用户近期兴趣产生影响的问题，提出一种融合多时间尺度和特征加强的知识图谱推荐模型（MTFE）。首先，采用长短期记忆（LSTM）网络在不同时间尺度上挖掘用户的周期特征并融入到用户表示中；然后，通过注意力机制挖掘待推荐项目中与用户近期特征相关性较强的特征，加强后融入项目表示中；最后，通过评分函数计算用户对待推荐项目的评分。在真实数据集Last.FM、MovieLens-1M和MovieLens-20M上进行实验分析，实验结果表明，MTFE模型相较于预测性能第二的模型在三个数据集上的F1性能分别提升了0.8、1.6和0.9个百分点，AUC指标在三个数据集上分别提升了4、2.7和0.7个百分点。可见，这种融合多时间尺度和特征加强的知识图谱推荐模型，相比于其他知识图谱推荐模型有更好的推荐效果。
- 单位
