摘要：知识图包含丰富的语义信息，广泛应用于不同的推荐场景。然而，现有的基于知识图的推荐方法在图神经网络的建模过程中以粗粒度的方式考虑了用户与项目交互之间的关系，在构建用户特征模型时忽略了不同历史项目的重要性。为了解决这些问题，提出了一种结合知识图和注意机制的项目推荐算法。该算法聚合用户特征，利用注意机制学习知识图的高阶潜在关系。在构建项目特征时，该算法在邻域之间传播项目嵌入表示，进一步集成图卷积网络，最后使用多层神经网络进行预测。在两组公共数据集上，通过比较基线算法，召回率提高了6.9%。

关键词： 推荐系统， 知识图， 注意机制， 图卷积网络

摘要：知识图谱蕴含丰富的语义信息，广泛应用在不同的推荐场景中。现有的基于知识图谱的推荐方法在图神经网络的建模过程中，粗粒度地考虑用户和项目交互的关系，构建用户特征模型时，忽略不同历史项目的重要性。针对此类问题，提出一种融合知识图谱与注意力机制的项目推荐算法。该算法聚合用户特征，使用注意力机制学习知识图谱高阶潜在关系，构建项目特征时传播其邻域之间的项目嵌入表示，用图卷积网络进行特征聚合，最后使用多层神经网络进行预测。该算法在两组公开数据集上，与基线算法进行对比实验，召回率最高提升6.9%。

关键词: 推荐系统, 知识图谱, 注意力机制, 图卷积神经网络