KGCN基于知识图谱的推荐算法

本文探讨了KGCN模型如何通过在知识图谱上进行物品特征的传播与抽取,利用注意力机制实现个性化推荐。该模型以物品为中心,通过两次传播抽取特征,并结合用户与关系特征确定注意力权重。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

RippleNet将用户的兴趣在知识图谱上传播来抽取用户特征。那么我们是否可以将物品的特征在知识图谱上传播来抽取物品特征呢?KGCN模型随之产生。KGCN模型如下如所示。以一个物品为起点传播两次的情况如图a所示。每一个物品的特征矢量为与该物品直接相连的外层物品特征矢量的和,如图b所示。并且重点是在相加之前使用了注意力机制,决定注意力权重的因素有用户特征和关系特征,这样让推荐的结果具有个性化。

tensorflow2代码实现:https://github.com/SSSxCCC/Recommender-System

【资源说明】 基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip 基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip 基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip 基于知识图谱推荐算法MCRec的python实现源码+项目说明+数据集.zip 运行环境 python == 3.7.0 torch == 1.12.0 pandas == 1.1.5 numpy == 1.21.6 sklearn == 0.0 数据集介绍 music-音乐 book-书籍 ml-电影 yelp-商户 文件介绍 ratings.txt:记录用户点击的项目,1代表点击了,0代表没有点击 kg.txt:知识图谱文件,第一列是头实体,第二列是尾实体,第三列是关系 user-list.txt:用户及其id文件,第一列是用户的id,第二列是用户 其余文件可忽略 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可直接用于毕设、课设、作业等。 欢迎下载,沟通交流,互相学习,共同进步!
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

SSSxCCC

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值