关键词:
推荐系统
图神经网络
非物质文化遗产
残差连接
注意力机制
摘要:
针对非物质文化遗产推荐系统存在用户偏好难以捕捉和内容信息挖掘不充分的问题,提出了一种基于改进注意力机制的残差图神经网络(GNN-AR)推荐模型。该模型通过引入图注意力网络来捕捉用户潜在的兴趣偏好,能够更加精确地建模用户与非物质文化遗产内容之间的关系;利用文本提取器有效提取非物质文化遗产中的文本内容信息,从而增强了对内容特性的理解。为进一步提升模型的表达能力,融合残差连接机制捕捉用户行为与内容特性之间的复杂交互关系,避免了信息在深层网络中的过度衰减,确保特征信息的有效传递。为验证提出模型的有效性,在3个数据集上进行的实验结果表明,GNN-AR模型在捕捉用户偏好和挖掘非物质文化遗产内容信息方面优于现有的主流推荐方法。此外,该模型在多个评价指标上有较为显著的提升,验证了其在非物质文化遗产推荐系统中的应用潜力,为非物质文化遗产数字化保护与传承提供了新的思路与方法。