个性化推荐系统中冷启动问题研究

发布时间：2021-03-16 02:36

　　近年来,随着大数据、物联网和人工智能等新技术的发展,全球数据量急剧增长。大数据中蕴含的丰富价值与巨大潜力为人类提供便利的同时也带来了信息过载问题。为帮助用户迅速从海量信息中获取有价值的信息,个性化推荐系统应运而生。然而随着推荐系统中用户规模及项目规模的迅速增长,用户项目评分矩阵越发稀疏,导致传统的协同过滤推荐算法的推荐精度降低。当有新用户或者新项目加入到系统中时,由于缺乏对应历史评分信息,无法对其进行推荐,此时推荐系统将产生冷启动问题,影响用户体验。本文分析了冷启动问题产生的原因,通过知识图谱将丰富的项目语义信息引入到推荐系统中,并融合项目空间模型和随机游走的策略更好地计算项目相似度,从而提高推荐结果的准确性。本文的主要工作包括:（1）通过分析领域知识图谱构建技术,设计并实现了一种基于链接开放数据（LOD）的电影领域知识图谱构建方法。本文对电影领域相关知识进行分析研究,提取出电影领域的知识本体类及实体间的关系,据此在链接开放数据中查找生成对应三元组,完成知识图谱的构建,并利用图数据库对知识进行存储,实现知识图谱可视化。（2）提出了一种基于领域知识图谱将向量空间模型和随机游走策略相结合的... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图２－１个性化推荐系统功能模块图??Ｆｉｇｕｒｅ?２－１?Ｆｕｎｃｔｉｏｎａｌ?ｍｏｄｕｌｅ?ｄｉａｇｒａｍ?ｏｆ?ｐｅｒｓｏｎａｌｉｚｅｄ?ｒｅｃｏｍｍｅｎｄｅｒ?ｓｙｓｔｅｍ??

图２－２基于内容的推荐过程??Ｆｉｇｕｒｅ?２－２?Ｐｒｏｃｅｓｓ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ??２－，：??

图２－３协同过滤推荐算法分类图??Ｆｉｇｕｒｅ?２－３?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ?ａｌｇｏｒｉｔｈｍ??


本文编号：3085255