基于知识图谱融入注意力机制商品推荐的可解释性方法

摘要

近年来,知识图谱与推荐系统相结合已经被证明是提高推荐准确率以及为推荐带来可解释性的有效方法,知识图谱中项目之间的连接为用户–项目交互提供了丰富的信息。但现有利用知识图谱的推荐算法中没有考虑到实体之间的相关性。针对这一问题,我们提出了基于知识图谱融入注意力机制商品推荐的可解释性方法。该方法利用注意力机制来区分出邻居节点的重要性,并通过该重要性将实体的邻居节点嵌入实体中,来获取更有效的用户实体表示,提高了推荐的准确性也为推荐项目带来了可解释性。我们将所提出的方法应用于Clothing和Cell_Phones两个数据集,实验结果表明,本文提出的方法通过注意力机制在一定程度上解决了在探索用户偏好时实体间的不相关性问题。