融合多信息的个性化推荐模型

• 作者: 沈杰 乔少杰 韩楠 元昌安 许源平 覃晓 王珏岚
• 来源期刊: 重庆理工大学学报（自然科学版）
• 关键词: 推荐系统 知识图谱 深度学习 动态融合 随机梯度下降
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能技术
• 页码范围: 128-138
• 页数: 11页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2021.03.017

摘要

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能.当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分.为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务.实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题.