典型文献
基于无采样协作知识图网络的推荐系统
文献摘要：
知识图谱(KG)可以通过高效组织海量数据实现信息的有效抽取,因而基于知识图谱的推荐方法得到了广泛的研究和应用.针对图神经网络在知识图谱建模中的采样误差问题,提出了一种无采样协作知识图网络(NCKN)的方法.首先,设计了无采样知识传播模块,通过在单个卷积层使用不同大小的线性聚合器来捕捉深层次的信息,实现高效的无采样预计算;然后,为了区分邻居节点贡献度,在传播过程中引入注意力机制;最后,协作传播模块将知识嵌入同用户交互中的协作信号相结合,以更好地描述用户偏好.基于三个真实数据集,评估了NCKN在CTR预测和Top-k预测中的性能.实验结果表明,与主流算法RippleNet、知识图卷积神经网络(KGCN)相比,NCKN在CTR预测中的准确率平均分别提升了2.71％、4.60％;Top-k预测中,NCKN的准确率平均分别提升了5.26％、3.91％.所提方法不仅解决了图神经网络在知识图谱建模中的采样误差问题,且提升了推荐模型的准确率.
文献关键词：
知识图谱;推荐系统;采样策略;图神经网络;注意力机制
中图分类号：
作者姓名：
蒋雯静;熊熙;李中志;李斌勇
作者机构：
成都信息工程大学网络空间安全学院,成都610255;先进密码技术与系统安全四川省重点实验室(成都信息工程大学),成都610225;四川大学空天科学与工程学院,成都610065
文献出处：
引用格式：
[1]蒋雯静;熊熙;李中志;李斌勇-.基于无采样协作知识图网络的推荐系统)[J].计算机应用,2022(04):1057-1064
A类：
NCKN
B类：
图网络,推荐系统,高效组织,海量数据,基于知识,推荐方法,研究和应用,图神经网络,采样误差,知识传播,卷积层,同大,预计算,邻居节点,节点贡献度,传播过程,注意力机制,知识嵌入,同用,用户交互,用户偏好,真实数据,CTR,Top,流算法,RippleNet,图卷积神经网络,KGCN,平均分,推荐模型,采样策略
AB值：
0.366733
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。
