融合循环知识图谱和协同过滤电影推荐算法

发布时间：2021-09-28 04:54

　　推荐系统对筛选有效信息和提高信息获取效率具有重大的意义。传统的推荐系统会面临数据稀松和冷启动等问题。利用外部评分和物品内涵知识相结合,提出一种基于循环知识图谱和协同过滤的电影推荐模型——RKGE-CF。在充分考虑物品、用户、评分之间的相关性后,利用基于物品和用户的协同过滤进行Top-K推荐;将物品的外部附加数据和用户偏好数据加入知识图谱,提取实体相互之间的依赖关系,构建用户和物品之间的交互信息,以便揭示实体与关系之间的语义,帮助理解用户兴趣;将多种推荐结果按不同方法融合进行对比;模型训练时使用多组不同的负样本作为对比,以优化模型;最后利用真实电影数Movielens和IMDB映射连接成新数据集进行测试。实验结果证明该模型对于推荐效果的准确率有显著的提升,同时能更好地解释推荐背后的原因。 

【文章来源】：计算机工程与应用. 2020,56(02)北大核心CSCD

【文章页数】：9 页

【部分图文】：

RCKG-CF框架

图1 RCKG-CF框架如图2所示，将电影特征放入知识图谱就可得到电影知识图谱三元组是基础的三元组，表示该导演指导了这部电影。蓝色表示为电影实体，绿色表示为人物实体，箭头描述的是人物与电影之间的关系，意味该人物参演或指导了该电影。将类似的多个三元组相互连接便形成知识图谱，如图3。

如图2所示，将电影特征放入知识图谱就可得到电影知识图谱三元组是基础的三元组，表示该导演指导了这部电影。蓝色表示为电影实体，绿色表示为人物实体，箭头描述的是人物与电影之间的关系，意味该人物参演或指导了该电影。将类似的多个三元组相互连接便形成知识图谱，如图3。在RKGE-CF模型中，包含一批LSTM结构，每个LSTM学习指定路径的语义表示。实体对(ui,vj)的路径长度是动态的，对于长度为T的任意路径pl可表示为：

【参考文献】：
期刊论文
[1]基于知识图谱表示学习的协同过滤推荐算法[J]. 吴玺煜,陈启买,刘海,贺超波.  计算机工程. 2018(02)
[2]基于内容的推荐与协同过滤融合的新闻推荐方法[J]. 杨武,唐瑞,卢玲.  计算机应用. 2016(02)
[3]结合社会化标签的基于内容的推荐算法[J]. 江周峰,杨俊,鄂海红.  软件. 2015(01)



本文编号：3411281