基于知识表示学习的协同矩阵分解方法

摘要：

针对协同过滤算法中用户反馈数据的稀疏性问题,提出一种基于知识库的协同矩阵分解方法.该方法从物品的知识图谱中学习其向量表示,并在此基础上联合地分解反馈矩阵和物品关联度矩阵,两种矩阵共享物品向量,利用物品的语义信息弥补反馈数据的缺失.实验结果表明,该方法显著地提升了矩阵分解模型的推荐效果,在一定程度上解决了协同过滤的冷启动问题.

关键词：推荐系统;矩阵分解;知识表示学习

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家部委预研项目3151109020

在线出版日期：2021-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：752-757