计算机应用研究

作者：吴宇斌,祁云嵩,

单位：江苏科技大学计算机学院,江苏镇江212003；

关键词：推荐系统,知识图谱,时间上下文编码,注意力机制,

基金：国家自然科学基金资助项目(62261029)；；

在知识感知推荐领域，基于嵌入传播的方式可以挖掘知识图谱的结构化信息，也能够获取n跳实体间的语义信息，但随着传播范围的增加，嵌入传播方式会丢失部分结构化信息，且以这种方式所获得的用户向量表示是粗粒度的，不能充分表征用户的偏好。针对以上问题，提出了一种融合知识感知和时间感知的用户偏好网络（FKTUPN）。首先在嵌入层生成知识图谱的一阶嵌入向量，同时单独为用户偏好进行细粒度的建模；然后用随机游走的方式划分时间槽，进行时间上下文编码，获取图结构的上下文信息，并将该结构化信息嵌入到关系向量中；随后通过知识感知注意力机制区分嵌入表示的贡献并递归传播；最终在预测层中聚合不同传播层次的用户和项目表示，将两种表示相乘后得到推荐结果。实验表明，该模型在Amazon-book、Last-FM以及Yelp三个数据集上的recall@20、NDCG@20指标得分均高于对比的基线模型，细粒度的用户偏好表示以及结构化信息的充分利用能够有效提高推荐的准确度。

来源：2023年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第3期