基于圖重構(gòu)的社交知識(shí)推薦

打開文本圖片集

摘 要：

現(xiàn)有推薦模型大多聚焦于顯式地構(gòu)建用戶和物品的聯(lián)系，忽視了對圖結(jié)構(gòu)高階全局特性的建模，對用戶隱式興趣的挖掘不足。因此，提出了一種基于圖重構(gòu)的社交知識(shí)推薦模型（social knowledge recommendation based on graph reconstruction，SKRGR），引入圖重構(gòu)技術(shù)將用戶-物品知識(shí)圖譜劃分為多個(gè)子圖，并利用基于關(guān)系的圖注意力網(wǎng)絡(luò)和三層圖神經(jīng)網(wǎng)絡(luò)對其進(jìn)行獨(dú)立編碼。（剩余18839字）