融合知识图谱的KGCN推荐算法优化研究
符玉飞1
周莲英1
丁腊春2
1.江苏大学计算机科学与通信工程学院 镇江 2120132.江苏省镇江市第四人民医院 镇江 212001
摘要：KGCN通过图卷积挖掘知识图谱中的实体邻域特征,但是在构建实体邻域时所采用的均匀采样方法忽略了各邻居节点自身性质的差异.针对此问题,论文提出了一种重要邻居采样的非均匀采样方法,依据节点度中心性,实现图网络实体邻域特征挖掘中邻居节点的优选和淘汰,以此提高样本节点的选取质量.此外,在图卷积网络输入层之前,增加降噪自编码器,降低误点击样本造成的噪声干扰,以此增加训练过程的稳定性、防止过拟合.最后,论文给出了推荐算法改进模型,该模型利用神经网络的层级传播机制,可迭代聚合图网络中更广范围内节点信息,优化推荐效果.论文分别在电影和书籍两个数据集上对改进的推荐算法进行了对比性实验,实验结果表明改进的算法提高了推荐的准确性和鲁棒性.
关键词：KGCN知识图谱度中心性降噪自编码器
分类号：TP391(计算技术、计算机技术)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3590-3594,3743 )
英文信息