科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑到推荐算法存在数据稀疏及模型复杂度较高等问题，本文提出了一种融合协同知识图谱与优化图注意网络的推荐模型。首先，将用户/项目知识图谱与用户-项目交互图结合为协同知识图谱，嵌入到优化的图注意网络模型中，这不仅可以很好地缓解数据稀疏问题，还能更大程度地挖掘用户的潜在兴趣和高阶关系；其次使用优化的图卷积网络，通过去除特征转换和非线性激活模块，可以在不影响整体推荐性能的基础上极大地降低模型复杂度；结合基于偏差的注意力机制，及时感知候选项目与用户真实感兴趣项目之间的偏差，提升模型的训练效率。最后在Movielens数据集和Douban数据集上进行实验分析，该算法比最近较新且效果较好的算法在性能上分别有2.8%的提升，在时间复杂度方面优化了56%左右。
-
单位通信与信息工程学院; 重庆邮电大学
