计算机应用研究

作者：沈旭,王淑营,田媛梦,郑庆,

单位：西南交通大学a.计算机与人工智能学院;b.机械工程学院,成都610097；

关键词：众包任务推荐,知识图谱,自然语言处理,图注意力网络,

基金：国家自然科学基金资助项目(52005420)；；

为解决目前众包任务推荐存在未考虑任务文本信息和数据稀疏的问题，提出一种基于知识图谱与图注意力的众包任务推荐模型。该模型首先利用自然语言处理技术提取任务文本信息中的关键要素，用于丰富图谱信息和缓解数据稀疏性；通过融合用户—任务交互图中的协同信息来构建协同知识图谱，在协同知识图谱中按协同邻居的类型分别运用图注意力网络；为获取用户准确的偏好，聚合邻居信息时按注意力得分从高到低采样固定数目的邻居；最后通过聚合不同类型的协同信息生成用户和任务的嵌入表示并得到交互概率。在构建的众包数据集上进行实验的结果表明，该模型在AUC、精准率、召回率和NDCG四个指标上均优于基线模型，验证了模型的可行性和有效性。

来源：2023年第1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1期