基于自注意力机制与知识图谱的序列推荐算法
【摘要】 针对现有的序列推荐算法难以充分挖掘序列间内在关系，以及项目之间更深层次联系等问题，提出一种新颖的序列推荐算法。算法主要分为两个主要部分，即项目嵌入和偏好学习。首先基于知识图谱创建一种新的项目嵌入方法，用于获得每个项目的统一表示。然后，通过自注意力机制学习序列的上下文信息，获取用户的个性化偏好向量，生成下一项推荐。在真实数据集MovieLens和MovieTweetings上设置对比实验，与同类型先进算法做对比验证算法的有效性。实验结果表明:所提算法在推荐评价指标命中率HR和平均倒数排名MRR上有显著提高，平均提升5.62%，最高可提升7.74%。
