融合双端注意力网络的知识图谱推荐算法

知识图谱在推荐算法中的应用有效增强了推荐结果的可解释性,但仍缺乏对用户-物品交互信息的关注。针对目前已有的知识图谱推荐算法忽略用户端与物品端的差异而无法有效地提取用户与物品信息的问题,提出了融合双端注意力网络的知识图谱推荐算法(double end knowledge graph attention network,DEKGAN)。首先根据用户端与物品端两者不同的需求设计两种注意力网络,在用户端是将用户的浏览记录输入到知识图谱中不断扩展用户的潜在兴趣,通过基于用户的注意力网络对三元组内部信息进行计算以更准确地获取用户的嵌入表示向量;在物品端是将物品信息输入到知识图谱内中不断获取与用户喜好有关的物品信息,使用基于用户偏好的注意力网络指定更准确的传播方向,然后将两端注意力网络中获取到的邻域信息聚合生成物品的嵌入表示向量,最终获取用户对物品的喜好概率。通过在数据集MovieLens-1M和Book-Crossing中进行实验,采用AUC、F1、precision和recall指标进行评估,结果证明与其他基准算法相比推荐的准确性和可解释性有显著的提升。

互联网语境下传统媒体文化类节目的创新策略

当下,文化类节目不断更新发展,各式各样的节目内容层出不穷,但是,部分文化类节目出现了同质化严重、乱象频生等问题,无法满足受众对创新文化类节目的需求。本文通过分析新媒体时代移动互联网语境下文化传媒节目存在的诸多问题,提出了在节目制作过程中需要注重自身的立场和管理机制等建议,旨在为文化类节目创新提供参考和借鉴。