推薦系統(tǒng)對篩選有效信息和提高信息獲取效率具有重大的意義。傳統(tǒng)的推薦系統(tǒng)會面臨數(shù)據(jù)稀松和冷啟動等問題。利用外部評分和物品內(nèi)涵知識相結(jié)合,提出一種基于循環(huán)知識圖譜和協(xié)同過濾的電影推薦模型——RKGE-CF。在充分考慮物品、用戶、評分之間的相關(guān)性后,利用基于物品和用戶的協(xié)同過濾進行Top-K推薦;將物品的外部附加數(shù)據(jù)和用戶偏好數(shù)據(jù)加入知識圖譜,提取實體相互之間的依賴關(guān)系,構(gòu)建用戶和物品之間的交互信息,以便揭示實體與關(guān)系之間的語義,幫助理解用戶興趣;將多種推薦結(jié)果按不同方法融合進行對比;模型訓練時使用多組不同的負樣本作為對比,以優(yōu)化模型;最后利用真實電影數(shù)Movielens和IMDB映射連接成新數(shù)據(jù)集進行測試。實驗結(jié)果證明該模型對于推薦效果的準確率有顯著的提升,同時能更好地解釋推薦背后的原因。 

【文章來源】：計算機工程與應用. 2020,56(02)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

RCKG-CF框架

圖1 RCKG-CF框架如圖2所示，將電影特征放入知識圖譜就可得到電影知識圖譜三元組是基礎(chǔ)的三元組，表示該導演指導了這部電影。藍色表示為電影實體，綠色表示為人物實體，箭頭描述的是人物與電影之間的關(guān)系，意味該人物參演或指導了該電影。將類似的多個三元組相互連接便形成知識圖譜，如圖3。

如圖2所示，將電影特征放入知識圖譜就可得到電影知識圖譜三元組是基礎(chǔ)的三元組，表示該導演指導了這部電影。藍色表示為電影實體，綠色表示為人物實體，箭頭描述的是人物與電影之間的關(guān)系，意味該人物參演或指導了該電影。將類似的多個三元組相互連接便形成知識圖譜，如圖3。在RKGE-CF模型中，包含一批LSTM結(jié)構(gòu)，每個LSTM學習指定路徑的語義表示。實體對(ui,vj)的路徑長度是動態(tài)的，對于長度為T的任意路徑pl可表示為：

【參考文獻】：
期刊論文
[1]基于知識圖譜表示學習的協(xié)同過濾推薦算法[J]. 吳璽煜,陳啟買,劉海,賀超波.  計算機工程. 2018(02)
[2]基于內(nèi)容的推薦與協(xié)同過濾融合的新聞推薦方法[J]. 楊武,唐瑞,盧玲.  計算機應用. 2016(02)
[3]結(jié)合社會化標簽的基于內(nèi)容的推薦算法[J]. 江周峰,楊俊,鄂海紅.  軟件. 2015(01)



本文編號：3411281