计算机应用研究

作者：荣沛,苏凡军,

单位：上海理工大学光电信息与计算机工程学院,上海200093；

关键词：知识图谱,图注意网络,注意力机制,可解释性,

基金：国家自然科学基金资助项目(61975124)；上海市科委科普重点专项资助项目(19DZ2301100)；；

现有的大多数利用知识图谱的推荐算法在探索用户的潜在偏好时没有有效解决知识图谱中存在的不相关实体的问题，导致推荐结果准确率不高。针对这一问题，提出了基于知识图谱和图注意网络的推荐算法KG-GAT（knowledge graph and graph attention network）。该算法将知识图谱作为辅助信息，在图注意网络中使用分层注意力机制嵌入与实体相关的近邻实体的信息来重新定义实体的嵌入，得到更有效的用户和项目的潜在表示，生成更精确的top-N推荐列表，并带来了可解释性。最后利用两个公开数据集将所提算法和其他算法进行实验对比，得出所提算法KG-GAT能够有效解决沿着知识图谱中的关系探索用户的潜在偏好时存在的不相关实体的问题。

来源：2021年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第2期