融合语义相似度的矩阵分解推荐算法
闵潞1
王根生2
黄学坚3
1.江西财经大学人文学院,江西南昌3300132.江西财经大学人文学院,江西南昌330013;江西财经大学计算机实践教学中心,江西南昌330013;江西财经大学国际经贸学院,江西南昌3300133.江西财经大学计算机实践教学中心,江西南昌330013
摘要：针对矩阵分解推荐算法没有考虑推荐对象本身内涵特征的问题,提出一种融合对象语义相似度的矩阵分解推荐算法.首先利用知识图谱分布式表示学习算法将推荐对象所属领域的语义数据嵌入到一个低维语义向量空间;其次计算对象间语义相似度,把该语义相似度融入矩阵分解的目标优化函数中,从语义视角弥补矩阵分解推荐算法没有考虑推荐对象本身内涵特征的不足.结果 表明,该改进算法相比于传统矩阵分解推荐算法具有更高的准确率、召回率和覆盖率.
关键词：推荐算法矩阵分解知识图谱分布式表示学习语义相似度
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(71461012)江苏省科技计划(GJJ181550)创新基金(2018A01012)国家社会科学基金(SZ2019D050)
论文发表日期：2020-08-28
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：6( 112-117 )
英文信息