基于知识图谱和卷积网络改进的推荐模型
刘慧景
李婷
西安工程大学计算机科学学院 西安 710600
摘要：知识图谱的出现给推荐系统带来了深刻变化,使推荐具有可解释性的同时,也提供了丰富的语义信息,并且人类个性随着时间的推移不断改变,现存的技术却忽略了这一因素给推荐系统带来的影响.于是论文提出了一种融合时间衰减因子和知识图谱卷积网络的模型(KGCN-TD),将时间衰减因子引入知识图谱卷积网络模型(KGCN)中可以帮助模型捕捉用户行为的时序性,并将时间信息作为知识图谱中边的属性,并通过定义一个衰减函数,将时间转化为权重,该模型侧重挖掘知识图谱相关属性以抓取项目相关性,并通过采样实体邻居信息,结合偏差计算实体表示,扩展感受野捕获用户潜在远距离兴趣.该策略既尊重了时序性,又保留了知识图谱的结构信息,进一步提高KGCN的预测性能.该模型在电影、书籍、音乐三个数据集上得到了有效验证.
关键词：推荐系统知识图谱图卷积网络时间衰减因子
分类号：TP18(自动化基础理论)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：5( 41-44,81 )
英文信息