计算机应用

作者：刘欢, 李晓戈, 胡立坤, 胡飞雄, 王鹏华

单位：1. 西安邮电大学 计算机学院, 西安 710121;2. 陕西省网络数据分析与智能处理重点实验室(西安邮电大学), 西安 710121;3. 深圳腾讯计算机系统有限公司 智能化运维部, 广东 深圳 518000

关键词：推荐系统,知识图谱,图神经网络,网络特征学习,个性化推荐,兴趣挖掘

基金：国家重点研发计划项目（2018YFB1403004）；陕西省创新能力支撑计划项目（2019PT-12）。

知识图谱（KG）蕴含丰富的结构与关联信息，不仅可以缓解推荐系统中数据稀疏、冷启动等问题，还可以更准确地进行个性化推荐，因此提出一种基于知识图谱驱动的端到端图神经网络推荐模型KGLN。首先使用单层神经网络框架对图中单个节点进行特征融合，并加入影响因子来改变不同邻居实体的聚合权重；然后通过迭代的方式将单层扩展到多层，使实体可以获得丰富的多阶关联实体信息；最后结合实体特征与用户特征产生预测评分进行推荐。分析并研究了不同聚合方法及影响因子对推荐效果的影响。实验结果表明，在数据集MovieLens-1M以及Book-Crossing上与基准方法因子分解库（LibFM）、深度分解机（DeepFM）、Wide&Deep、RippleNet的对比中，KGLN的曲线下面积（AUC）分别提升了0.3%~5.9%和1.1%~8.2%。

来源：2021年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第7期