基于知识图谱卷积网络的双端推荐算法

摘要

知识图谱（KG）提供了一种数据结构来生成基于内容和协同过滤的混合推荐,但现有的基于知识图谱推荐方法对用户属性信息的考虑少于对物品属性的考虑,针对这一问题,提出了基于知识图谱卷积网络的双端推荐算法（DEKGCN）。该算法用知识图谱中每一个实体邻域的抽取样本作为其高阶接受域,用数据集中用户的相关属性作为其一阶接受域,在计算给定实体和用户的表示时分别结合各自的邻域信息,最后得到用户对物品的偏好概率。用户端和物品端的多种信息被用来学习用户和物品的向量表示,有效解决了数据稀疏和冷启动问题。在真实数据集上的实验结果表明,DEKGCN与其他基准模型相比推荐质量有较大提升。

关键词： 推荐系统; 知识图谱（KG）; 图卷积网络; 知识表示学习

随着互联网的快速发展,数据量呈爆炸式增长,导致信息过载,用户很难在数据的海洋中挑选出自己感兴趣的内容。为了提高用户体验,推荐系统已经应用于音乐[1