travel_Capsule的博客

1、背景简单记录下，最近要做一些有关知识图谱融合研究的相关工作，需要自己构建一些能实际落地应用的知识图谱来验证知识图谱融合研究的有效性，本文程序完成的工作是读取MySQL中的题库数据并导入Neo4J中，同时对节点和关系进行去重，避免重复创建节点和关系，如有错误或可优化的地方请指正。2、数据来源在本篇博客程序运行之前，笔者已经爬取了1w8左右的高中历史题库数据，爬取的是某在线题库网站。数据：高中历史题库-18000条-机器学习文档类资源-CSDN下载3、代码# coding:utf-

1、简介在推荐系统中，为了提供更准确、多样化和可解释的推荐，除了考虑对user-item之间交互的建模外，还需要考虑辅助信息的影响。传统的方法如因式分解机（FM）将这个过程看作一个有监督学习问题，它假设每个交互都是一个独立的实体，并对边的信息进行编码。由于这些方法忽略了实体或项目之间的关系，因此不足以从用户的集体行为中提取出协同信号。作者提出了一种新的方法，即知识图注意力网络（KGAT），它以端到端的方式对KG中的高阶连接进行显式建模。它递归地从节点的邻居（可以是用户、项目或属性）传播嵌入来细化节点