典型文献
隐式知识图协同过滤模型
文献摘要：
目前,基于知识图谱的推荐方法利用图神经网络捕获用户偏好和知识实体之间的相关性,实现最优的推荐效果.但这种相关性建模方法依赖于节点(用户、物品或实体)之间的显式关系,具有一定的局限性.针对上述问题,文中提出隐式知识图协同过滤模型(Implicit Knowledge Graph Collaborative Filtering Model,IKGCF).首先,构建隐式协同知识图,一方面消除显式关系对推荐中隐式交互关系的干扰,另一方面解除显式关系对图谱中语义相关性的限制.然后,采用增强的图神经网络模块,执行邻居聚集和消息传播,更好地捕获隐式协同知识图上的高阶相关性.最后,采用层选择机制,得到最终的节点嵌入向量,并对模型进行预测和优化.在3个公开数据集上的实验表明,文中模型推荐效果较优.IKGCF的完整代码开源在.
文献关键词：
推荐系统;隐式知识图谱;图卷积;协同过滤
中图分类号：
作者姓名：
薛峰;盛一城;刘康;桑胜
作者机构：
合肥工业大学 软件学院 合肥 230009;合肥综合性国家科学中心人工智能研究院 合肥 230088;合肥工业大学 计算机与信息学院 合肥 230601
文献出处：
引用格式：
[1]薛峰;盛一城;刘康;桑胜-.隐式知识图协同过滤模型)[J].模式识别与人工智能,2022(11):1033-1041
A类：
IKGCF,隐式知识图谱
B类：
协同过滤,过滤模型,基于知识,推荐方法,法利,图神经网络,用户偏好,知识实体,推荐效果,显式,Implicit,Knowledge,Graph,Collaborative,Filtering,Model,同知,中隐,交互关系,语义相关性,邻居,选择机制,节点嵌入,嵌入向量,公开数据集,代码,开源,推荐系统,图卷积
AB值：
0.368574
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。
