基于协同信号的知识图注意力网络推荐算法

针对现有基于知识图谱的推荐算法大多采用随机采样的方法构建感受野导致部分重要信息丢失的问题,提出一种基于协同信号的知识图注意力网络推荐算法(CKGAN)。设计协作传播层,将用户的历史项目和待推荐项目在知识图谱中进行传播;为区分不同关系下的实体对中心节点的重要性不同,在聚合邻域信息时引入图注意力网络;为解决用户的不同兴趣,在预测层中,面对不同的候选集动态建模用户的向量表示。通过在Last.FM、Book-Cross、MovieLens-1M这3个真实的公共数据集上与主流的推荐算法进行对比实验,其结果表明,CKGAN在CTR预测和top-K推荐中都有显著提升。