声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：陈嘉颖,于炯,杨兴耀,
关键词：推荐系统, 语义分析, 细粒度特征, 知识感知, 协同学习,
推荐系统是大数据环境下解决用户个性化推荐的关键技术.针对现有推荐算法所面临的难以分析提取用户、项目本质特征的问题，将知识图谱作为异质信息融入协同过滤推荐算法进行项目语义特征分析，提出一种融合语义分析特征提取的推荐算法.首先根据推荐平台中项目的非结构化评论文本信息，结合知识图谱利用实体识别与连接技术在知识库中提取项目特征相关实体与关系，构建子知识库；然后通过知识图谱表示学习方法对子知识库进行表示学习，并将其用于项目和用户的低维向量表示；设计知识感知的协同学习框架，定义损失函数优化用户、项目的细粒度特征向量；最后根据用户、项目表征结果对目标用户进行Top-N推荐.在2个数据集上进行验证实验，结果表明：改进的算法在推荐准确率、召回率方面优于对比算法，能够为用户推荐更符合其偏好的项目.
来源：2020年第3期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。