首页|基于知识表示学习的协同矩阵分解方法

基于知识表示学习的协同矩阵分解方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Collective Matrix Factorization Based on Knowledge Representation Learning

刘琼昕、覃明帅

展开 >

北京市海量语言信息处理与云计算应用工程技术研究中心,北京 100081

北京理工大学计算机学院,北京 100081

中国科学技术信息研究所富媒体数字出版内容组织与知识服务重点实验室,北京 100038

推荐系统 矩阵分解 知识表示学习

3151109020

2021

10.15918/j.tbit1001-0645.2018.055

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(7)
  • 4
  • 14