典型文献
基于用户潜在兴趣的知识感知传播推荐算法
文献摘要：
知识图谱引入推荐系统可以利用知识图谱实体之间的语义关系学习用户及项目表示.基于嵌入传播的方法利用知识图谱的图结构学习相关特征,但随着传播范围增加,多跳实体间的语义相关性减小.为有效提升推荐语义表达能力并提高推荐准确度,提出基于用户潜在兴趣的知识感知传播推荐模型,该模型采用异构传播方式传播项目关联知识并迭代学习用户的潜在兴趣,以此增强模型对用户与项目的表示能力.具体地,首先图嵌入层生成用户与项目的初始化表示,随后在异构传播层中采用知识感知注意力机制区分同一层中实体之间的重要性,更精确生成目标实体的表示.随后通过用户潜在兴趣传播学习用户的高阶潜在兴趣,增强多跳实体语义相关性.最后在预测层中使用信息衰减因子区分不同传播层次的重要性,生成用户及项目的最终表示.实验表明,该模型在Last.FM与Book-Crossing两个公开数据集上AUC值相较于最先进的基线提升了2.25％与4.71％,F1值分别提升3.05％和1.20％,recall@K值均优于对比的基线模型,提出的模型能有效提高推荐准确度.
文献关键词：
推荐系统;知识图谱;注意力机制;异构传播
中图分类号：
作者姓名：
张波;赵鹏;张金金;曾昭菊;肖栩豪
作者机构：
中国人民解放军火箭军工程大学 作战保障学院,西安710025
文献出处：
引用格式：
[1]张波;赵鹏;张金金;曾昭菊;肖栩豪-.基于用户潜在兴趣的知识感知传播推荐算法)[J].计算机应用研究,2022(09):2615-2620
A类：
异构传播
B类：
知识感知,推荐算法,推荐系统,语义关系,关系学习,习用,项目表,嵌入传播,法利,图结构,结构学习,传播范围,多跳,语义相关性,语义表达,表达能力,推荐模型,传播方式,迭代学习,增强模型,示能,图嵌入,嵌入层,初始化,注意力机制,传播学,衰减因子,子区,Last,FM,Book,Crossing,公开数据集,最先,recall,基线模型
AB值：
0.423776
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
