设计应用

基于知识图谱和协同过滤算法的多头注意力网络

作者:康永玲1,2,3
发布日期:2025-08-14
来源:电子技术应用

引言

随着信息化时代的到来以及海量数据的涌现,用户越来越难以从庞大的数据信息中快速获取所需物品,为解决这一问题,推荐系统开始成为研究热点。现有的基于知识图谱的推荐模型主要是GraphRec模型[1]、PippleNet模型[2]和NGCF模型[3]等,其存在一个较大的问题是在面对同一头实体时,不同的关系会产生不同的尾实体。故存在某两个实体在一种关系上相似度很高,在其他关系上相似度较低的情况,如果只依据某一种关系进行推荐时,有可能影响推荐效果。

为更好解决上述问题,本文提出一种基于知识图谱和协同过滤多头注意力网络:协同知识感知多头注意力网络(CKAN-MH),通过增强知识图谱的表征学习性能来提高模型推荐能力。


本文详细内容请下载:

https://www.chinaaet.com/resource/share/2000006630


作者信息:

康永玲1,2,3

(1.中国煤炭科工集团 太原研究院有限公司,山西 太原 030006;

2.山西天地煤机装备有限公司,山西 太原 030006;

3.煤矿采掘机械装备国家工程实验室,山西 太原 030006)


Magazine.Subscription.jpg

此内容为AET网站原创,未经授权禁止转载。
推荐系统 知识图谱 协同过滤 多头注意力网络
Baidu
map