發(fā)布時間：2021-07-22 05:02

　　針對基于用戶評論的商品推薦算法未充分利用評論之間關聯(lián)信息的問題,提出一種融合知識圖譜與用戶評論的商品推薦算法。結(jié)合知識圖譜對用戶評論進行商品特征和情感詞提取,構建商品特征集合和商品向量并計算商品相似度矩陣,根據(jù)情感詞確定商品特征得分,通過隨機游走商品節(jié)點獲取商品特征權重。在此基礎上,根據(jù)商品特征得分和商品特征權重計算商品推薦價值并進行Top-k推薦。實驗結(jié)果表明,與基于知識圖譜的推薦算法、協(xié)同過濾算法、基于內(nèi)容的推薦算法和混合推薦算法相比,該算法的準確率、召回率和F值最高分別提升15.81%、7.27%和8.55%。 

【文章來源】：計算機工程. 2020,46(08)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

隨機游走策略示意圖

不同λ和β值下的實驗結(jié)果

不同k值下的實驗結(jié)果

【參考文獻】：
期刊論文
[1]推薦算法概述與展望[J]. 俞偉,徐德華.  科技與創(chuàng)新. 2019(04)
[2]知識圖譜的推薦系統(tǒng)綜述[J]. 常亮,張偉濤,古天龍,孫文平,賓辰忠.  智能系統(tǒng)學報. 2019(02)
[3]基于內(nèi)容的加權粒度序列推薦算法[J]. 王光,張杰民,董帥含,夏帥.  計算機工程與科學. 2018(03)
[4]基于語義約束LDA的商品特征和情感詞提取[J]. 彭云,萬常選,江騰蛟,劉德喜,劉喜平,廖國瓊.  軟件學報. 2017(03)
[5]知識圖譜技術綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學學報. 2016(04)
[6]知識圖譜構建技術綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計算機研究與發(fā)展. 2016(03)
[7]推薦系統(tǒng)評價指標綜述[J]. 朱郁筱,呂琳媛.  電子科技大學學報. 2012(02)

碩士論文
[1]融合評論的稀疏線性推薦算法研究與實現(xiàn)[D]. 樊雪純.西北大學 2019
[2]基于用戶評論建模的推薦算法研究及應用[D]. 郭望.華東師范大學 2019
[3]基于用戶評論的個性化產(chǎn)品推薦算法優(yōu)化研究[D]. 趙菁.杭州電子科技大學 2019



本文編號：3296491