计算机应用

作者：蒋雯静, 熊熙, 李中志, 李斌勇

单位：1.成都信息工程大学 网络空间安全学院，成都 610255；2.先进密码技术与系统安全四川省重点实验室（成都信息工程大学），成都 610225；3.四川大学 空天科学与工程学院，成都 610065

关键词：知识图谱,推荐系统,采样策略,图神经网络,注意力机制

基金：国家自然科学基金资助项目(81901389);教育部“春晖计划”合作科研项目(2019);中国博士后科学基金资助项目(2019M653400)

知识图谱（KG）可以通过高效组织海量数据实现信息的有效抽取，因而基于知识图谱的推荐方法得到了广泛的研究和应用。针对图神经网络在知识图谱建模中的采样误差问题，提出了一种无采样协作知识图网络（NCKN）的方法。首先，设计了无采样知识传播模块，通过在单个卷积层使用不同大小的线性聚合器来捕捉深层次的信息，实现高效的无采样预计算；然后，为了区分邻居节点贡献度，在传播过程中引入注意力机制；最后，协作传播模块将知识嵌入同用户交互中的协作信号相结合，以更好地描述用户偏好。基于三个真实数据集，评估了NCKN在CTR预测和Top-k预测中的性能。实验结果表明，与主流算法RippleNet、知识图卷积神经网络（KGCN）相比，NCKN在CTR预测中的准确率平均分别提升了2.71%、4.60%；Top-k预测中，NCKN的准确率平均分别提升了5.26%、3.91%。所提方法不仅解决了图神经网络在知识图谱建模中的采样误差问题，且提升了推荐模型的准确率。

来源：2022年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第4期