计算机科学与探索

作者：王永贵, 陈书铭, 刘义海, 赖贞祥

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

关键词：推荐系统,知识图谱,图卷积网络,超图,对比学习,自监督学习,知识表示学习

结合知识图谱的推荐算法通过引入知识图谱，获得项目的辅助信息，从而实现更好的推荐效果。然而推荐的过程中存在知识图谱中关系长尾分布、用户项目交互数据稀疏和异构信息利用不平衡的问题。针对这些问题，提出了一种结合超图对比学习和关系聚类的知识感知推荐算法（HC-CRKG）。通过关系聚类的方式重构知识图谱，缓解了知识图谱中关系的长尾分布问题；构建用户-项目-实体异构图，利用一种结合注意力机制的图卷积网络学习用户、项目的异构图嵌入；同时使用一种参数化的超图卷积网络，学习用户、项目的超图嵌入；在异构图嵌入和超图嵌入之间进行对比学习，为模型引入自监督信号，缓解数据稀疏性问题；将异构图嵌入和超图嵌入相结合，用于后续的推荐预测，进一步缓解了异构信息利用不平衡问题。模型在MovieLens-1M、Book-Crossing和Last.FM三个公开数据集上与CKAN、KGIC、VRKG4Rec等基线模型进行对比实验，实验结果表明在AUC、F1和Recall@K指标上，模型均取得了不同程度的提升。

来源：2024年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第8期