基于知識圖譜的長短期序列推薦算法

摘要： 現(xiàn)有的部分序列推薦算法較少關注用戶短期興趣隨時間變化的問題，從而導致推薦的精度不夠理想，且在用戶興趣轉(zhuǎn)變的可解釋性上有待提高。據(jù)此，提出了一種基于知識圖譜的長短期序列推薦算法(KGLSR)。將交互歷史劃分為長期和短期行為序列后，結(jié)合卷積神經(jīng)網(wǎng)絡與注意力機制進行長期興趣的特征重構(gòu)，并引入知識圖譜與圖注意力更新用戶的短期偏好，最后實現(xiàn)自適應聚合。經(jīng)驗證，該模型在3類真實場景下的數(shù)據(jù)... （共9頁）