基于知识图谱卷积网络的学习资源推荐.pdfVIP

第50卷第9期/2024年9月/计算机工程研究论文

基于知识图谱卷积网络的学习资源推荐

汤志康，武毓琦，李春英1.2*，汤庸

（1.广东技术师范大学计算机科学学院，广东广州510665；

2.广东技术师范大学广东省知识产权大数据重点实验室，广东广州510665；

3.华南师范大学计算机学院，广东广州510631)

摘要：针对现有知识图谱卷积网络(KGCN)推荐模型随机采样选择邻域容易导致推荐结果不稳定的缺点，构建

基于结构洞和共同邻居的重要性排序采样模型（SHCN），结合KGCN处理高维异构数据的优势，提出基于结构洞

和共同邻居的KGCN推荐模型(KGCN-SHCN）。首先使用SHCN模型对知识图谱中的实体邻域进行排序采样，

其次根据图卷积网络将实体信息与邻域采样信息进行聚合得到学习资源的特征表示，最后将学习者的特征表示

和学习资源的特征表示依据预测函数得到交互概率。在3个学习资源数据集上的实验结果表明，所提模型尤其

是使用求和聚合(Sum)方式时,评价指标AUC和ACC总体优于KGCN,RippleNet等基于知识图谱的推荐模型，

证明了所提KGCN-SHCN模型的有效性。

关键词：知识图谱；图卷积网络；图采样；推荐算法；学习资源

中图分类号：TP18文献标志码：AD0I:10.19678/j.issn.1000-3428.0068409

RecommendationofLearningResourceBasedonKnowledgeGraph

ConvolutionalNetwork

TANGZhikang,WUYuqi,LIChunyingl2*,TANGYong

(1,SchoolofComputerScience,GuangdongPolytechnicNormalUniversity,Guangzhou510665,Guangdong,China;

2.GuangdongProvincialKeyLaboratoryofIntellectualPropertyBigData,

GuangdongPolytechnicNormalUniversity,Guangzhou510665,Guangdong,China;

3.SchoolofComputer,SouthChinaNormalUniversity,Guangzhou510631,Guangdong,China)

[Abstract

recommendationresultsinexistingKnowledgeGraphConvolutionalNetwork(KGCN)models,thisstudy

constructsasamplingmodelforStructuralHolesandCommonNeighbors(SHCN)importanceranking.SHCN

leveragestheadvantagesofKGCNinprocessinghigher-dimensionalheterogeneousdata.Thisstudyproposesa

KGCNrecommendationmodelbasedonSHCN,namedKGCN-SHCN.First,theSHCNsamplingmethodisused

tosortthereceivingdomainofeachentityinaKnowledgeGraph(KG).Then,theentityinformationand

informationcollected