基于自注意力机制与知识图谱的序列推荐算法

摘要

针对现有的序列推荐算法难以充分挖掘序列间内在关系,以及项目之间更深层次联系等问题,提出一种新颖的序列推荐算法.算法主要分为两个主要部分,即项目嵌入和偏好学习.首先基于知识图谱创建一种新的项目嵌入方法,用于获得每个项目的统一表示.然后,通过自注意力机制学习序列的上下文信息,获取用户的个性化偏好向量,生成下一项推荐.在真实数据集MovieLens和MovieTweetings上设置对比实验,与同类型先进算法做对比验证算法的有效性.实验结果表明:所提算法在推荐评价指标命中率HR和平均倒数排名MRR上有显著提高,平均提升5.62％,最高可提升7.74％.