基于知识图谱和用户长短期偏好的个性化景点推荐
基于序列化的推荐算法在多个领域取得了不错的效果,但仍存在一些问题,如没有考虑所有项与项之间的关系,推荐准确度会大大降低.因此提出一种基于知识图谱和用户长短期偏好(KG-ULSP)的个性化景点推荐方法.通过引入知识图谱,使用网络表示学习方法,学习景点的特征向量表示,使得具有相似结构和相似属性的景点在低维特征空间中的距离比较近,以此表示他们的高级语义特征.然后利用门控循环单元GRU对已学习到的景点特征向量进行序列化信息建模,进一步抽取景点的访问序列特征.另外,考虑到用户偏好可能随时间发生变化,KG-ULSP模型同时学习用户的长期偏好和短期偏好,最终预测并返回用户可能感兴趣的推荐列表.通过在真实旅游数据上的实验,验证了所提方法的有效性.
知识图谱、推荐算法、网络表示学习、门控循环单元、个性化景点推荐、长短期用户偏好、特征学习
15
TP301(计算技术、计算机技术)
国家自然科学基金项目;广西自然科学基金项目;广西高校中青年教师基础能力提升项目;广西研究生教育创新计划项目
2021-01-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
990-997