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。
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
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
