基于知识图谱的用户兴趣推荐.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

2025,34(4):155−165

[doi:

10.15888/ki.csa.009850]

[CSTR:

32024.14.csa.009850]

©中国科学院软件研究所版权所有.Tel:

+86-10

基于知识图谱的用户兴趣推荐①

沈学利,

王嘉慧

(辽宁工程技术大学

软件学院,

葫芦岛

125105)

通信作者:

王嘉慧,

E-mail:

2245414310@

摘要:

在提供精准的用户兴趣推荐时,

推荐系统的数据通常存在稀疏性问题,

对于新上线的项目存在冷启动问题,

缺乏用户交互数据,

为解决上述问题,

提出基于知识图谱的用户兴趣推荐算法.

首先,

在用户潜在兴趣中,

通过多层

图神经网络根据用户和项目的嵌入向量,

获取用户和项目直接、间接和更深层次的关系,

解决数据稀疏性问题.

其

次,

在用户显式兴趣中,

采用图结构增强根据评分权重随机删除用户和项目之间的显式关系,

通过编码器分析新的

用户和项目节点的关系,

挖掘用户与项目间的交互关系,

解决冷启动问题.

最后,

采用特征交叉压缩单元结合知识图

谱嵌入与推荐任务实现特征共享,

共享的特征更加深化项目与知识图谱实体间的互动,

提高推荐的准确性.

通过在

Book-Crossing和Last.FM两个数据集上进行实验,

结果证明与其他对比算法相比在AUC和ACC评价指标中有显

著的提升.

关键词:

推荐系统;

知识图谱;

图神经网络;

特征交叉压缩

引用格式:

沈学利,王嘉慧.基于知识图谱的用户兴趣推荐.计算机系统应用,2025,34(4):155–165.

/1003-3254/9850.html

UserInterestRecommendationBasedonKnowledgeGraph

SHEN

Xue-Li,

WANG

Jia-Hui

(Software

College,

Liaoning

Technical

University,

Huludao

125105,

China)

Abstract:

Data

sparsity

occurs

in

recommendation

systems

and

the

cold-start

problem

exists

in

newly

launched

items

due

to

a

lack

of

user

interaction

data

when

providing

targeted

user

interest

recommendations.

To

address

these

problems,

this

study

proposes

a

user

interest

recommendation

algorithm

based

on

knowledge

graphs.

First,

to

tackle

the

data

sparsity

issue

in

users’

potential

interests,

it

employs

a

multi-layer

graph

neural

network

(GNN)

to

capture

the

direct,

indirect,

and

deeper

relationships

between

users

and

items

through

their

embedding

vectors.

Second,

for

users’

explicit

interests,

it

introduces

a

graph

structure

enhancement

technique

to

randomly

delete

explicit

relationships

between

users

and

items

based

on

rating

weights.

This

method

leverages

an

encoder

to

analyze

the

relationships

of

new

us