华南理工大学学报(自然科学版)

作者：蔡晓东 洪涛 曹艺

单位：桂林电子科技大学 信息与通信学院，广西 桂林 541000

关键词：推荐系统,表述学习,知识图谱,数据挖掘,极化关系表述

基金：新疆自治区重点研发项目(2018B03022-1，2018B03022-2)

传统基于知识图谱的推荐模型一般采用TransH策略来表达图谱中节点间关系，同时利用基于特征机的交互方式进行推荐学习。该类方法对于节点间的关系表述不够准确，同时往往忽略了节点间低维数据所隐藏的关系。为提升推荐准确率，本研究提出了一种基于极化关系表述的新方法，将节点间的表述映射到酉空间，丰富了节点间关系表述的有效信息；此外，设计了一种对知识图谱嵌入和推荐过程低维数据进行关联学习的方法，深入挖掘其所隐藏的丰富与细致关系，从而提升了推荐的准确率。实验证明，本研究所提方法是有效的，与基于知识图谱表述学习的推荐方法领域前沿研究相比，其在Amazon-book、Last-FM数据集上的召回率和归一化折损累计增益有明显的提升。

来源：2022年第1期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2022年第1期