基于知识图谱与图注意力网络的推荐算法
范紫萱
刘继
新疆财经大学统计与数据科学学院 新疆乌鲁木齐 830012
摘要：推荐系统作为解决信息过载问题的关键手段,在为用户提供个性化内容和服务方面发挥着重要作用,同时也面临着数据稀疏性和冷启动等挑战.为了应对这些挑战,将知识图谱作为辅助信息与基于图神经网络的推荐算法相结合,提出了一种创新的推荐算法——KGAE(knowledge graph attention recommendation of transe).首先利用用户项目交互图和项目知识图谱构建协同知识图CKG(collaborative knowledge graph),然后将翻译距离模型TransE嵌入到图注意力网络中,使用GraphSAGE技术来更新目标节点的表示,通过注意力机制来区分邻居的重要性,提高推荐的准确性.在两个公共数据集上与五个主流推荐算法进行对比实验,结果表明所提方法能够显著提升推荐效果.
关键词：推荐系统知识图谱图注意力网络TransE模型注意力机制
资助基金：国家自然社科基金资助项目(72164034)新疆社会科学基金项目(2024BTJ057)
论文发表日期：2024-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 73-77 )