融合知识图谱和协同过滤的电源推荐算法

摘要

推荐系统是解决信息过载、提高信息获取效率的有效手段。为解决电影推荐过程中数据稀疏和冷启动对推荐系统的负面影响,本文提出一种融合知识图谱和协同过滤的电源推荐算法。首先利用原始数据集和开发知识库构建电影知识图谱,采用TransHR模型从电影信息的多关系中学习电影的内涵语义知识,将其嵌入到一个低维向量空间中;然后,依据电影的知识表示向量和用户对电影的评分分别计算电影间的语义和评分相似度,最后将2种相似融合并应用于协同过滤推荐中,在数据集上的对比实验结果表明,相较于其他算法,本文算法其推荐效果更优本文算法的准确率和召唤率优于其它模型。