基于知识图谱的内容推荐算法研究与实现

发布时间：2021-11-29 04:56

　　知识图谱因其具有强大的组织能力和关系处理能力,常被应用于智能搜索引擎、推荐系统等领域,以提高其精确度。当前,基于知识图谱的推荐系统主要分为基于特征的推荐和基于路径的推荐。基于特征的推荐算法利用知识图谱直接知识表征,未能引入多跳关系,难以利用知识的语义网络信息。基于路径的推荐算法利用知识图谱多跳知识,有效利用知识图谱的语义网络信息,但通常依赖于先验知识。因此,针对推荐算法如何有效利用知识的语义关联信息问题,开展知识图谱在推荐系统中应用的研究,具有很高的研究价值。本文针对推荐算法如何有效利用知识的语义关联信息问题,开展基于知识图谱的推荐系统的研究。设计一种基于自注意力的知识表示学习模型,利用实体关系所在整体三元组学习实体关系语义信息,以实现知识特征高质量的表示,为推荐带来更多更有用的信息。构建行为和知识特征统一嵌入的内容推荐模型,利用用户历史喜好结合知识图谱动态学习知识特征为用户带来更精确多样的推荐。本文的主要贡献如下:1.针对知识特征表示学习问题,提出了一个基于自注意力的知识表示学习模型,围绕三元组对于确定实体语义的重要程度差异,利用自注意力机制从三元组中学习语义,以提高知识特征表示的质... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

TransR结构图

第五章基于知识图谱的推荐系统构建575.3.4系统展示图5-10系统首页图5-10展示了系统首页，系统首页为用户推荐新闻，一是为用户推荐感兴趣的新闻，二是为用户推荐热门新闻。图5-11用户历史页面图5-11展示了用户的点击浏览历史，系统根据历史学习用户短期或长期的兴趣爱好，为用户带来精确和多样的个性化推荐。

第五章基于知识图谱的推荐系统构建575.3.4系统展示图5-10系统首页图5-10展示了系统首页，系统首页为用户推荐新闻，一是为用户推荐感兴趣的新闻，二是为用户推荐热门新闻。图5-11用户历史页面图5-11展示了用户的点击浏览历史，系统根据历史学习用户短期或长期的兴趣爱好，为用户带来精确和多样的个性化推荐。


本文编号：3525883