LinkMF:结合Linked Data的协同过滤推荐算法

• 作者: 王帅强 郭磊 马军 黄山山
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 推荐系统 矩阵分解 Linked Data 数据稀疏性 冷启动
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 信息检索与推荐
• 页码范围: 85-92
• 页数: 8页
• 分类号: TP391
• 语种: 中文

摘要

协同过滤(CF)是推荐系统中应用最为广泛的推荐算法之一,然而数据稀疏性和冷启动问题是协同过滤方法的两个主要挑战.由于Linked Data整合了关于实体的丰富且结构化的特征,可以作为额外的信息源来缓解以上两种挑战.该文中我们首次提出了结合Linked Data改进CF推荐算法,基于矩阵分解提出了一种新的CF模型——LinkMF,在保证推荐准确度的基础上利用Linked Data缓解数据稀疏性和冷启动问题.首先,我们从Linked Data中抽取项目的特征表示并为项目建模;然后提出新的相似度度量方法计算项目相似度;最后利用项目相似度约束和指导MF分解过程产生推荐.在MovielLens和YAGO标准数据集上的大量实验结果表明,LinkMF优于现有的一些CF方法,特别在缓解数据稀疏性和冷启动问题上取得很好地效果.