融合相似性負(fù)采樣和短期偏好的圖卷積推薦模型

打開(kāi)文本圖片集

摘 要： 大多數(shù)基于知識(shí)圖譜的推薦算法在進(jìn)行知識(shí)圖譜學(xué)習(xí)任務(wù)時(shí)多采用隨機(jī)替換的方式對(duì)負(fù)樣本進(jìn)行采樣，不能幫助系統(tǒng)高效地學(xué)習(xí)樣本特征；此外，在學(xué)習(xí)用戶(hù)的興趣時(shí)忽略了時(shí)間因素對(duì)用戶(hù)偏好的影響。針對(duì)以上兩點(diǎn)，提出了一種融合相似性負(fù)采樣和用戶(hù)短期偏好的推薦模型（SPKG）。首先，使用TransE將實(shí)體嵌入到向量空間，采用K－means聚類(lèi)算法將實(shí)體進(jìn)行聚類(lèi)，通過(guò)同簇實(shí)體的相互替換可獲得高質(zhì)量的負(fù)三元組；然后，采用基于注意力機(jī)制的雙向門(mén)控循環(huán)網(wǎng)絡(luò)從用戶(hù)近期交互的物品序列中提取用戶(hù)的短期偏好；最后，通過(guò)用戶(hù)的短期偏好對(duì)用戶(hù)進(jìn)行推薦。（剩余14572字）