基于知识图谱共同邻居排序采样的推荐模型

摘要

知识图谱作为辅助信息可以有效缓解传统推荐模型的冷启动问题.但在提取结构化信息时,现有模型都忽略了图谱中实体之间的邻居关系.针对这一问题,该文提出一种基于共同邻居排序采样的知识图谱卷积网络(KGCN-PN)推荐模型,该模型首先基于共同邻居数目对知识图谱中的每个实体邻域进行排序采样;其次利用图卷积神经网络沿着图谱中的关系路径将实体自身信息与接收域信息逐层融合;最后将用户特征向量与融合得到的实体特征向量送入预测函数中预测用户与实体项目交互的概率.实验结果表明该模型在数据稀疏场景下相较其他基线模型性能均获得了相应提升.