融合知识图谱特征学习的微博推荐的研究
夏振宇
季旺
江苏科技大学计算机学院 镇江 212003
摘要：推荐系统广泛应用于实际生活中多个场景,比如熟知的音乐、旅游、新闻、书籍、购物等,虽然个性化推荐已经有越来越多的研究和落地,但是传统的基于协同过滤的推荐系统和基于内容推荐系统仍然面临着诸多数据稀疏,冷启动的问题,而利用知识图谱作为辅助信息可以缓解上述问题,一方面可以提高推荐的准确性,一方面也为推荐系统提供了可解释性.基于KG的推荐系统主要包括基于Embedding方法和基于路径的方法,论文通过联合上述的方法,分析典型的DKN模型并做出训练模型的优化,得出基于KG联合的学习推荐模型无论是推荐准确性还是可解释性都优于传统的协同过滤推荐模型.
关键词：推荐系统DKN知识图谱协同过滤
分类号：TP391(计算技术、计算机技术)
论文发表日期：2022-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2673-2678,2699 )
英文信息