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的多头注意力网络：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