融合知识图谱多维度信息的电力科研成果推荐算法

摘要

随着电力行业研究的迅速发展，科研工作者需要从海量文献中筛选相关文献。现有的推荐系统往往忽视了文献间深层次的语义联系和专业领域的内在差别，导致推荐结果的准确性和个性化程度不足。针对这一问题，本文提出了一种基于知识图谱的电力科研成果推荐算法。首先，本文构建了用于电力科研领域推荐算法数据集，具体为构建出电力科研成果知识图谱，其中电力关键词作为推荐主体，文献标题作为推荐对象，并从标题中提取研究内容和方法信息以丰富知识图谱结构，利用查询的电力科研关键词来推荐所需的电力科研文献。其次，本文在基于知识图谱的意图网络（KGIN）模型的基础上，聚合了电力关键词和推荐文献邻居节点的信息，提出一种改进的KGIN模型，该模型可以更好地表达关键词和推荐文献之间的关系，融合了意图感知信息、关系感知信息、语义信息和高阶结构信息，实现了关键词和推荐文献更丰富的嵌入表示，获得了更好的推荐效果。最终实验结果表明，相较于本文所述的一些推荐系统基线模型，本文模型明显提升了对电力科研成果推荐的效果。

关键词

知识图谱 / 推荐系统 / 图卷积神经网络 / 电力科研成果