基于知识图谱和标签感知的推荐算法

摘要：

推荐系统缓解了互联网数据量剧增带来的信息过载问题,但传统的推荐系统由于数据稀疏和冷启动等问题导致推荐算法的准确性不高.因此,文中提出了一种基于知识图谱和标签感知的推荐算法(Knowledge Graph and Tag-Aware,KGTA).首先,利用项目和用户标签信息,通过知识图谱表示学习捕获低阶与高阶特征,将两个知识图谱中实体和关系的语义信息嵌入低维的向量空间中,从而获得项目和用户的统一表示.其次,分别利用深度神经网络和加入注意力机制的递归神经网络来提取项目和用户的潜在特征.最后,根据潜在特征预测评分.该算法不仅利用了知识图谱和标签的关系信息和语义信息,而且通过深层结构学习了项目和用户的隐含特征.在MovieLens数据集上的实验结果表明,该算法能够有效预测用户评分,提高推荐结果的准确性.

关键词：知识图谱;标签感知;深度学习;注意力机制;推荐算法

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：山西省"1331工程"项目;山西省科技厅重点研发计划项目;山西省研究生教改项目

在线出版日期：2021-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：192-198