郭 伟，裴帅华

(西安科技大学 通信与信息工程学院，陕西 西安 710600)

0 引 言

随着互联网技术的不断发展，资源过载[1]问题日益严重。人们需要从海量信息中筛选自己感兴趣的内容，企业则希望推送的内容能最大程度上匹配用户需求。推荐系统恰好可以很好处理两者以实现个性化推荐。协同过滤[2-4]作为经典的个性化推荐算法，面临着数据稀疏和冷启动问题。缓解这一问题的普遍做法是在推荐系统中引入辅助信息，丰富用户和项目的内容，从而有效地补偿稀疏或缺失的用户兴趣。知识图谱作为一种新兴辅助信息，由于存在大量的三元组数据，受到了研究人员越来越多的关注。文献[5]将用户的历史数据在知识图谱中进行向外传播，以探索用户潜在兴趣。文献[6]则借鉴于GCN[7]信息传播的思想，用于预测用户对项目的偏好程度。文献[8]将用户嵌入到知识图谱中构成协同知识图，利用注意力机制区别对待邻居信息分别得到用户向量和项目向量，最后通过内积得到用户对项目的评分。上述模型都取得了很好的效果，但也存在着不足，文献[5，6]都选取均匀采样器在知识图谱中随机选取固定的邻居大小，使得一些重要的节点信息丢失。文献[8]将用户-项目二质图嵌入到知识图谱中，将用户视为知识图谱中的节点，一旦有新用户必须重新训练整个模型，其计算成本过大。为了解决上述模型存在的问题，本文提出了基于协同信号的知识图注意力网络推荐算法(collaborative signal knowledge graph attention network for recommender algorithm，CKGAN)。……