一种知识图谱的排序学习个性化推荐算法

摘要：

推荐系统是解决"信息过载"的有效方法,提出一种知识图谱的排序学习个性化推荐算法.本文算法首先构建融合上下文信息的知识图谱,使用基于深度学习的网络表示方法Node2Vec抽取知识图谱特征,通过将排序学习模型产生的反馈模型与用户兴趣迁移模型结合,构建混合推荐模型,最终通过排序学习进行Top-N推荐.该算法能够将各种不同性质的上下文特征结合在一起,并通过排序学习衡量这些多维特征的权重比例,解决了不同特征的融合问题,并且能够考虑到用户兴趣迁移和长短期偏好.在Movielens 1M数据集上的对比实验验证文中算法的有效性,实验表明,该算法能够有效提高推荐的P@N和MAP值.

关键词：知识图谱、排序学习、兴趣迁移、Node2Vec、上下文信息

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：教育部博士点基金项目20124407120017;广东省自然科学基金团队项目S2012030006242

在线出版日期：2018-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2419-2423