典型文献
知识图谱增强的神经协同过滤推荐方法
文献摘要：
推荐系统已经广泛应用于各领域以处理信息过载问题,但传统方法面临着数据稀疏的挑战,且使用矩阵分解也不能很好的捕获抽象的非线性交互.考虑到知识图谱可以提供丰富的边信息,文中提出一种知识图谱增强的神经协同过滤推荐方法.首先获取项目相关的元数据,将其构建为知识图谱,并利用表示学习方法获取图谱中的语义知识;其次,利用结合注意力的邻域传播机制获取图谱中的结构知识,以此增强项目表示;最后将得到的用户和项目表示送入矩阵分解与神经网络中进行推荐.在公开数据集MovieLens上的实验结果表明,该模型能够有效提升推荐结果的准确性.
文献关键词：
知识图谱;注意力机制;推荐系统;表示学习;嵌入传播
中图分类号：
作者姓名：
郑诚;王宇航;颜莉莉
作者机构：
安徽大学计算机科学技术学院,合肥230601;计算智能与信号处理教育部重点实验室,合肥230601;安徽商贸职业技术学院计算机系,安徽芜湖241000
文献出处：
引用格式：
[1]郑诚;王宇航;颜莉莉-.知识图谱增强的神经协同过滤推荐方法)[J].小型微型计算机系统,2022(08):1583-1588
A类：
B类：
神经协同过滤,协同过滤推荐,推荐方法,推荐系统,处理信息,信息过载,过载问题,数据稀疏,矩阵分解,非线性交互,边信息,元数据,表示学习方法,语义知识,邻域,传播机制,结构知识,强项,项目表,送入,公开数据集,MovieLens,注意力机制,嵌入传播
AB值：
0.424076
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。
