南京邮电大学学报(自然科学版)

作者：胡泽宇,肖玉芝,霍宣蓉,黄涛

单位：青海师范大学 计算机学院，青海 西宁 810016；省部共建藏语智能信息处理及应用国家重点实验室，青海 西宁 810008；藏文信息处理教育部重点实验室，青海 西宁 810008青海师范大学 计算机学院，青海 西宁 810016；省部共建藏语智能信息处理及应用国家重点实验室，青海 西宁 810008；藏文信息处理教育部重点实验室，青海 西宁 810008青海师范大学 计算机学院，青海 西宁 810016；省部共建藏语智能信息处理及应用国家重点实验室，青海 西宁 810008；藏文信息处理教育部重点实验室，青海 西宁 810008青海师范大学 计算机学院，青海 西宁 810016；省部共建藏语智能信息处理及应用国家重点实验室，青海 西宁 810008；藏文信息处理教育部重点实验室，青海 西宁 810008

关键词：序列推荐；知识图谱；长短期兴趣；图注意力网络

基金：国家重点研发计划(314)和国家重点实验室自主课题基金（2024 SKL 005）资助项目

现有的部分序列推荐算法较少关注用户短期兴趣随时间变化的问题，从而导致推荐的精度不够理想，且在用户兴趣转变的可解释性上有待提高。据此，提出了一种基于知识图谱的长短期序列推荐算法（KGLSR）。将交互历史划分为长期和短期行为序列后，结合卷积神经网络与注意力机制进行长期兴趣的特征重构，并引入知识图谱与图注意力更新用户的短期偏好，最后实现自适应聚合。经验证，该模型在3类真实场景下的数据集中以HR、MRR和NDCG为评价指标的表现均优于对比实验中的主流基线模型。

来源：2024年第04期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2024年第04期