融合知识图谱与用户评论的商品推荐算法

发布时间：2021-07-22 05:02

　　针对基于用户评论的商品推荐算法未充分利用评论之间关联信息的问题,提出一种融合知识图谱与用户评论的商品推荐算法。结合知识图谱对用户评论进行商品特征和情感词提取,构建商品特征集合和商品向量并计算商品相似度矩阵,根据情感词确定商品特征得分,通过随机游走商品节点获取商品特征权重。在此基础上,根据商品特征得分和商品特征权重计算商品推荐价值并进行Top-k推荐。实验结果表明,与基于知识图谱的推荐算法、协同过滤算法、基于内容的推荐算法和混合推荐算法相比,该算法的准确率、召回率和F值最高分别提升15.81%、7.27%和8.55%。 

【文章来源】：计算机工程. 2020,46(08)北大核心CSCD

【文章页数】：8 页

【部分图文】：

随机游走策略示意图

不同λ和β值下的实验结果

不同k值下的实验结果

【参考文献】：
期刊论文
[1]推荐算法概述与展望[J]. 俞伟,徐德华.  科技与创新. 2019(04)
[2]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)
[3]基于内容的加权粒度序列推荐算法[J]. 王光,张杰民,董帅含,夏帅.  计算机工程与科学. 2018(03)
[4]基于语义约束LDA的商品特征和情感词提取[J]. 彭云,万常选,江腾蛟,刘德喜,刘喜平,廖国琼.  软件学报. 2017(03)
[5]知识图谱技术综述[J]. 徐增林,盛泳潘,贺丽荣,王雅芳.  电子科技大学学报. 2016(04)
[6]知识图谱构建技术综述[J]. 刘峤,李杨,段宏,刘瑶,秦志光.  计算机研究与发展. 2016(03)
[7]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)

硕士论文
[1]融合评论的稀疏线性推荐算法研究与实现[D]. 樊雪纯.西北大学 2019
[2]基于用户评论建模的推荐算法研究及应用[D]. 郭望.华东师范大学 2019
[3]基于用户评论的个性化产品推荐算法优化研究[D]. 赵菁.杭州电子科技大学 2019



本文编号：3296491