一种融合知识图注意神经网络的推荐算法OA北大核心CSTPCD

为了提高推荐算法的准确性和可解释性,通常会在推荐算法中添加并利用用户和项目的一些辅助信息。大量实验表明,在推荐算法中添加知识图谱作为辅助信息,通过挖掘实体之间的相关属性可以有效地获取项目之间的相关性,从而较大地提高推荐的性能。受到图注意神经网络和KGCN的启发,设计一个注意嵌入传播层来计算知识图谱中实体的邻居信息,以丰富项目表示。在三个真实的数据集上进行实验,结果分析表明,在电影和书籍推荐中该算法推荐性能最佳,在音乐推荐中也取得了较好的推荐效果。