基于CM-RippleNet的社区发现知识图谱推荐算法

针对RippleNet未充分考虑实体聚集的关联性,导致推荐实体不够准确的问题,提出基于社区发现的模型CM-RippleNet,该模型通过构建知识图谱复杂网络,使同一个社区内的成员具有较高的相似度;利用Louvain算法对网络中的节点进行社区划分,得到节点-社区映射矩阵,将其加入到实体节点的嵌入表示中,融合用户表示最终计算出推荐结果.在两个公共知识图谱数据集上的实验结果表明:与KGCN、RippleNet、PER、MKR模型相比,CM-RippleNet模型的ACC、AUC、准确度与召回率指标有极大的提升,验证了模型的有效性.