知識圖譜因其具有強大的組織能力和關(guān)系處理能力,常被應(yīng)用于智能搜索引擎、推薦系統(tǒng)等領(lǐng)域,以提高其精確度。當(dāng)前,基于知識圖譜的推薦系統(tǒng)主要分為基于特征的推薦和基于路徑的推薦。基于特征的推薦算法利用知識圖譜直接知識表征,未能引入多跳關(guān)系,難以利用知識的語義網(wǎng)絡(luò)信息。基于路徑的推薦算法利用知識圖譜多跳知識,有效利用知識圖譜的語義網(wǎng)絡(luò)信息,但通常依賴于先驗知識。因此,針對推薦算法如何有效利用知識的語義關(guān)聯(lián)信息問題,開展知識圖譜在推薦系統(tǒng)中應(yīng)用的研究,具有很高的研究價值。本文針對推薦算法如何有效利用知識的語義關(guān)聯(lián)信息問題,開展基于知識圖譜的推薦系統(tǒng)的研究。設(shè)計一種基于自注意力的知識表示學(xué)習(xí)模型,利用實體關(guān)系所在整體三元組學(xué)習(xí)實體關(guān)系語義信息,以實現(xiàn)知識特征高質(zhì)量的表示,為推薦帶來更多更有用的信息。構(gòu)建行為和知識特征統(tǒng)一嵌入的內(nèi)容推薦模型,利用用戶歷史喜好結(jié)合知識圖譜動態(tài)學(xué)習(xí)知識特征為用戶帶來更精確多樣的推薦。本文的主要貢獻如下:1.針對知識特征表示學(xué)習(xí)問題,提出了一個基于自注意力的知識表示學(xué)習(xí)模型,圍繞三元組對于確定實體語義的重要程度差異,利用自注意力機制從三元組中學(xué)習(xí)語義,以提高知識特征表示的質(zhì)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

TransR結(jié)構(gòu)圖

第五章基于知識圖譜的推薦系統(tǒng)構(gòu)建575.3.4系統(tǒng)展示圖5-10系統(tǒng)首頁圖5-10展示了系統(tǒng)首頁，系統(tǒng)首頁為用戶推薦新聞，一是為用戶推薦感興趣的新聞，二是為用戶推薦熱門新聞。圖5-11用戶歷史頁面圖5-11展示了用戶的點擊瀏覽歷史，系統(tǒng)根據(jù)歷史學(xué)習(xí)用戶短期或長期的興趣愛好，為用戶帶來精確和多樣的個性化推薦。

第五章基于知識圖譜的推薦系統(tǒng)構(gòu)建575.3.4系統(tǒng)展示圖5-10系統(tǒng)首頁圖5-10展示了系統(tǒng)首頁，系統(tǒng)首頁為用戶推薦新聞，一是為用戶推薦感興趣的新聞，二是為用戶推薦熱門新聞。圖5-11用戶歷史頁面圖5-11展示了用戶的點擊瀏覽歷史，系統(tǒng)根據(jù)歷史學(xué)習(xí)用戶短期或長期的興趣愛好，為用戶帶來精確和多樣的個性化推薦。


本文編號：3525883