基于知识图谱注意力辅助网络的高效推荐模型（KGAT-AX）

Zhizhong Wu

基于知识图谱注意力辅助网络的高效推荐模型（KGAT-AX）

机器学习 2024-09-25 v1 人工智能信息检索

作者: Zhizhong Wu

摘要

推荐系统在帮助用户筛选大量信息方面发挥着关键作用。然而，传统的推荐算法常常忽视多源信息的整合与利用，限制了系统性能。因此，本研究提出了一种新型推荐模型，知识图谱注意力辅助网络 (KGAT-AX)。我们首先将知识图谱纳入推荐模型，引入注意力机制以更明确地探索更高阶的连接性。通过使用多层交互式信息传播，该模型聚合信息以增强其泛化能力。此外，我们通过全息嵌入将辅助信息整合到实体中，通过学习其推断关系来聚合每个实体相邻实体的信息。这使得更好地利用与实体相关的辅助信息。我们在真实数据集上进行了实验，以证明 KGAT-AX 模型的合理性和有效性。通过实验分析，我们观察到 KGAT-AX 在公共数据集上相对于其他基线模型的有效性和潜力。KGAT-AX 在知识信息捕获和关系学习方面表现更佳。

关键词

推荐系统知识图谱注意力机制图神经网络 KGAT-AX

引用

@article{arxiv.2409.15315,
  title  = {An Efficient Recommendation Model Based on Knowledge Graph Attention-Assisted Network (KGATAX)},
  author = {Zhizhong Wu},
  journal= {arXiv preprint arXiv:2409.15315},
  year   = {2024}
}

基于知识图谱注意力辅助网络的高效推荐模型（KGAT-AX）

摘要

关键词

引用

相关论文