| 融合知识图谱与协同过滤的微地图推荐 |
| |
| 作者姓名： | 牛雪磊 杨军 闫浩文 |
| |
| 作者单位： | 兰州交通大学测绘与地理信息学院,兰州 730070;地理国情监测技术应用国家地方联合工程研究中心,兰州 730070;甘肃省地理国情监测工程实验室,兰州 730070 |
| |
| 摘 要： | 针对推荐系统中数据稀疏问题,传统的协同过滤算法无法捕捉辅助信息之间的相关性,从而降低了推荐的准确性.为此,本文提出融合知识图谱的协同过滤模型(Knowledge Graph Embedding Collaborative Filtering,KGCF),引入知识图谱作为辅助信息,利用知识图谱中多源结构性的数据来缓解数据稀疏问题.KGCF模型结合知识图谱的语义信息和协同过滤的偏好信息,能够挖掘出用户和微地图的隐语义交互信息,从而达到"千人千面"的推荐效果.①融合知识图谱和协同过滤算法对微地图数据集进行采集训练;②通过皮尔逊相关系数计算出用户之间的相似矩阵,并对稀疏的评分矩阵进行隐语义矩阵分解,采用基准(Baseline)得到用户和微地图地名的偏好信息;③通过知识图谱将微地图语义信息转化为低维向量,采用余弦相似度计算出微地图地名之间的相似矩阵;④将用户和微地图地名结合为一个推荐结果集.通过在微地图数据集上实验,证明了本文提出的KGCF模型能有效解决数据稀疏,可准确为用户推荐感兴趣的微地图.
|
| 本文献已被 万方数据 等数据库收录！ |
|
