基于知识图谱的新闻推荐方法研究

发布时间：2022-08-06 18:51

　　在社会信息化的今天,推荐系统能够帮助人们从海量的信息中找到其所感兴趣的信息,使得用户查找信息的压力得到了缓解。因此众多专家学者对推荐系统展开了研究,提出了许多推荐系统的解决方案。但是现有的推荐系统一般根据用户的历史点击记录或用户对物品的评分进行推荐,忽略了很多对推荐有用的信息,比如用户物品交互信息、社会常识等。而知识图谱中的结构知识可以为推荐系统提供额外的信息,对推荐进行知识层面的辅助。因此,将知识图谱引入到推荐系统中,在知识层面将用户的历史行为记录与候选物品联系起来从而提升推荐效果,具有一定的研究价值。基于知识图谱引入推荐系统的两种方式依次学习和联合学习,提出了一种动态更新特征向量的方法,该方法在知识图谱得到实体特征向量的基础上,综合考虑推荐中的用户历史浏览数据,通过模拟用户兴趣在知识图谱上的传播,对实体特征向量做适当的调整,使其更好的满足推荐所需。同时根据新闻的特点,提出了一种推荐方法使其能够充分挖掘新闻标题中语义层面和知识层面的信息,在此基础上构建了新闻推荐模型。通过实验验证了知识图谱对推荐系统效果的提升、实体特征向量动态更新的有效性以及LSTM对于语义挖掘的影响。实验还列出了不... 

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究的意义、内容和目标
2 知识图谱与新闻推荐的结合方法
    2.1 知识图谱应用到推荐系统的方法讨论
    2.2 基于知识图谱的推荐系统框架讨论
    2.3 基于知识图谱的新闻推荐框架描述
    2.4 本章小结
3 新闻推荐方法的实现
    3.1 知识图谱预处理
    3.2 新闻特征向量的提取与利用
    3.3 用户特征向量的生成
    3.4 推荐新闻生成
    3.5 本章小结
4 实验及分析
    4.1 实验数据集
    4.2 评价指标
    4.3 实验结果及分析
    4.4 本章小结
5 结束语
    5.1 已结束的工作
    5.2 下一步的工作
致谢
参考文献


【参考文献】：
期刊论文
[1]知识图谱的推荐系统综述[J]. 常亮,张伟涛,古天龙,孙文平,宾辰忠.  智能系统学报. 2019(02)
[2]机器学习方法在个性化推荐系统中的应用[J]. 刘忠宝.  情报探索. 2016(04)
[3]知识表示学习研究进展[J]. 刘知远,孙茂松,林衍凯,谢若冰.  计算机研究与发展. 2016(02)
[4]推荐系统研究进展[J]. 朱扬勇,孙婧.  计算机科学与探索. 2015(05)
[5]移动推荐系统及其应用[J]. 孟祥武,胡勋,王立才,张玉洁.  软件学报. 2013(01)

硕士论文
[1]基于知识图谱的推荐技术研究及应用[D]. 王一鸣.电子科技大学 2018



本文编号：3670176