融合循环知识图谱和协同过滤电影推荐算法

• 作者: 卜荣景 康雁 张亚钏 李晋源 李浩 杨兵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 知识图谱 协同过滤 推荐系统 可解释性推荐
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 106-114
• 页数: 9页
• 分类号: TP311.5
• 字数: 9510字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0131

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康雁	云南大学软件学院	29	83	5.0	8.0
2	李浩	云南大学软件学院	28	25	3.0	4.0
3	李晋源	云南大学软件学院	7	1	1.0	1.0
4	卜荣景	云南大学软件学院	3	0	0.0	0.0
5	杨兵	云南大学软件学院	3	0	0.0	0.0
6	张亚钏	云南大学软件学院	3	0	0.0	0.0