一种基于Tucker分解和知识图谱的商品推荐方法

摘要

本发明公开一种基于Tucker分解和知识图谱的商品推荐方法，属于信息推荐技术领域，先构建推荐学习数据库、知识图谱数据库和联系数据表；初始化得到各用户、商品、实体和关系的特征向量；然后分别计算获得商品特征向量和偏好特征向量，结合用户特征向量采用Tucker分解的逆运算学习推荐系统信息，提取三元组采用Tucker分解的逆运算学习知识图谱信息，分别得到对应的得分函数；以推荐学习数据库和知识图谱数据库为训练集进行训练，使用训练后的模型对用户进行top‑N的商品推荐。本发明将知识图谱补全任务与推荐系统任务进行联合学习，并利用Tucker分解的逆运算计算推荐系统得分，从而提高了推荐结果。