重庆理工大学学报2021，Vol.35Issue(3) ：128-138.DOI:10.3969/j.issn.1674-8425(z).2021.03.017

融合多信息的个性化推荐模型

Personalized Recommendation Model with Multiple Information Fusion

沈杰 乔少杰 韩楠 元昌安 许源平 覃晓 王珏岚
重庆理工大学学报2021，Vol.35Issue(3) ：128-138.DOI:10.3969/j.issn.1674-8425(z).2021.03.017
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

融合多信息的个性化推荐模型

Personalized Recommendation Model with Multiple Information Fusion

沈杰 1乔少杰 2韩楠 1元昌安 3许源平 1覃晓 4王珏岚5
扫码查看

作者信息

  • 1. 成都信息工程大学,成都 610225
  • 2. 成都信息工程大学,成都 610225;软件自动生成与智能服务四川省重点实验室,成都 610225
  • 3. 广西教育学院,南宁 530007;南宁师范大学,南宁 530299
  • 4. 南宁师范大学,南宁 530299
  • 5. 四川省医学科学院·四川省人民医院,电子科技大学附属医院,成都 610072
  • 折叠

摘要

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能.当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分.为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务.实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题.

关键词

推荐系统/知识图谱/深度学习/动态融合/随机梯度下降

引用本文复制引用

基金项目

四川省教育厅人文社会科学重点研究基地四川景观与游憩研究中心科研项目(JGYQ2018010)

成都市新冠肺炎防控科技项目(2020-YF05-00058-SN)

广西自然科学基金(2018GXNSFDA138005)

国家自然科学基金(61802035)

国家自然科学基金(61772091)

国家自然科学基金(61962006)

国家自然科学基金(U2001212)

国家自然科学基金(62072311)

四川省科技计划项目(2021JDJQ0021)

四川省科技计划项目(2020YFG0153)

四川省科技计划项目(20YYJC2785)

四川省科技计划项目(2020YJ0481)

四川省科技计划项目(2020YFS0466)

四川省科技计划项目(2020YJ0430)

四川省科技计划项目(2020JDR0164)

四川省科技计划项目(2019YFS0067)

四川省科技计划项目(2020Y)

四川高校科研创新团队建设计划项目(18TD0027)

出版年

2021
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量9
参考文献量1
段落导航相关论文