基于知识图谱与复杂网络度量的出人意料推荐模型
原文中文，约200字，阅读约需1分钟。发表于：。本研究在已有的推荐系统基础上，提出了一种基于知识图谱的推荐系统，通过编码用户对物品目录的交互来评估并增加推荐的出人意料程度。实验结果表明，基于复杂网络度量重新排序物品可以产生更出人意料和令人惊喜的推荐列表。
本文介绍了Knowledge Graph Convolutional Networks (KGCN)的方法，通过挖掘和利用知识图谱上的属性来捕捉物品之间的相关性，以优化协同过滤型推荐系统的性能。实验证明该方法在电影、图书和音乐推荐上优于基线算法。
