计算机应用研究

作者：张彬,郝利新,张国防,

单位：河北大学网络空间安全与计算机学院,河北保定071000；

关键词：个性化推荐,知识图谱,元图,卷积神经网络,注意力机制,

基金：河北省社会科学基金资助项目(HB23TQ004)；；

基于知识图谱的主流推荐模型在融合高阶信息时较少考虑源节点与目标节点之间的关系，在复杂网络场景中易引入过多噪声信息进而影响推荐性能。针对此问题提出一种融合元图邻域的知识图谱推荐模型，通过构建并融合元图邻域降低噪声信息的影响，提升推荐性能。首先，基于元图相似度生成源节点的初始相似序列，利用自注意力网络与线性网络对初始序列进行特征增强，以增强后的特征向量组成的集合构造节点的元图邻域。其次，基于用户对各个元图的不同偏好程度设计注意力机制，对所得元图邻域进行卷积聚合，将元图邻域融入源节点，增强源节点的特征表示。最后，以增强后的向量与用户向量的内积作为用户与项目交互的概率，并以此完成推荐。在MovieLens-20M与Last-FM数据集上进行实验，AUC与F1值分别为97.3%和83.1%、94.3%和75.6%，recall@50分别为35.4%与31.7%，其表现优于NGCF、KGCN、LKGR等模型。结果表明，融合元图邻域的知识图谱推荐模型可以有效提升推荐的性能。

来源：2024年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第8期