结合注意力机制的用户特征聚类推荐算法研究.pdfVIP

信息与电脑

2025年第5期InformationComputer人工智能与大数据

结合注意力机制的用户特征聚类推荐算法研究

1213

程镇，陈俊杰，胡璐，蔡恬悦

（1.湖北大学财务处，湖北武汉430062；2.湖北大学计算机与信息工程学院，湖北武汉430062；

3.中国电信股份有限公司武汉分公司，湖北武汉430064）

摘 要：知识图谱可缓解推荐系统的数据稀疏性和冷启动问题，但现有方法常忽略预热数据量过大对系统性能的影

响。文章提出了一种结合注意力机制的用户聚类推荐算法：首先对用户进行聚类，然后搭建知识图谱，并引入注意力机

制聚焦用户关键特征，以提升推荐效率与准确度。实验表明，该方法在公开数据集上的Precision、Recall和F1指标显

著优于传统算法，尤其在较小K值时效果更优。

关键词：知识图谱；聚类；注意力机制

中图分类号：TP183   文献标识码：A   文章编号：1003-9767（2025）05-035-03

ResearchonUserFeatureClusteringRecommendationAlgorithmCombined

withAttentionMechanism

1213

CHENGZhen,CHENJunjie,HULu,CAITianyue

(1.FinanceDepartmentofHubeiUniversity,WuhanHubei430062,China;

2.SchoolofComputerandInformationEngineering,HubeiUniversity,WuhanHubei430062,China;

3.ChinaTelecomCorporationWuhanBranch,WuhanHubei430064,China)

Abstract:Knowledgegraphcanalleviatethedatasparsityandcoldstartproblemsofrecommendationsystems,but

existingmethodsoftenoverlooktheimpactofexcessivepreheatingdataonsystemperformance.Thearticleproposesauser

clusteringrecommendationalgorithmthatcombinesattentionmechanism:first,clusterusers,thenbuildaknowledgegraph,

andintroduceattentionmechanismtofocusonkeyfeaturesofusersinordertoimprovetherecommendationefficiency

andaccuracy.TheexperimentshowsthatthePrecision,Recall,andF1metricsofthismethodaresignificantlybetterthan

traditionalalgorithmsonpublicdatasets,especiallywhentheKvalueissmall.

Keywords:knowledge