基于知识图谱和重启随机游走的跨平台用户推荐方法

• 作者: 余敦辉 张蕗怡 张笑笑 毛亮
• 来源期刊: 计算机应用
• 关键词: 知识图谱 实体链接 关系补全 重启随机游走 用户推荐
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 1871-1877
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020111745

摘要

针对单一社交网络平台中推荐相似用户结果单一,对用户兴趣和行为信息了解不够全面的问题,提出了基于知识图谱和重启随机游走的跨平台用户推荐方法(URCP-KR).首先,在分割、匹配出的目标平台图谱和辅助平台图谱的相似子图中,利用改进的多层循环神经网络(RNN)预测出候选用户实体,再综合利用拓扑结构特征相似度和用户画像相似度筛选出相似用户;然后,将辅助平台图谱中的相似用户的关系信息补全到目标平台图谱;最后,计算目标平台图谱中的用户游走到社区内每个用户的概率,从而得到用户之间的兴趣相似度来实现用户推荐.实验结果表明,与协同过滤(CF)算法、基于跨平台的在线社交网络用户推荐算法(URCP)和基于多开发者社区的用户推荐算法(UR-MC)相比,URCP-KP在推荐精确率及推荐多样性等方面均有所提高,推荐精确率最高可达95.31％,推荐覆盖率最高可达88.42％.