首页|基于知识图嵌入的协同过滤推荐算法

基于知识图嵌入的协同过滤推荐算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
利用知识图谱进行推荐的一个巨大挑战在于如何获取项目的结构化知识并对其进行语义特征提取.针对这一问题,提出了一种基于知识图嵌入的协同过滤推荐算法(KGECF).首先从Freebase知识图谱中提取与项目相关的知识信息,并与历史交互项目进行链接构建子知识库;然后通过基于TransR的Xavier-TransR方法得到子知识库中实体、关系表征;设计一种端到端的联合学习模型,将结构化信息与历史偏好信息嵌入到统一的向量空间中;最后利用协同过滤方法进一步计算这些向量并生成精确的推荐列表.在MovieLens-1 M和Amazon-book两个公开数据集上的实验表明,该算法在推荐准确率、召回率、F1值和NDCG四个指标上均优于基线方法,能够集成大规模的结构化和非结构化数据,同时获得高精度的推荐结果.
Collaborative filtering recommendation algorithm based on knowledge graph embedding

张屹晗、王巍、刘华真、谷壬倩、郝亚奇

展开 >

河北工程大学信息与电气工程学院,河北邯郸056038

河北工程大学河北省安防信息感知与处理重点实验室,河北邯郸056038

江南大学 物联网工程学院,江苏 无锡214122

推荐系统 协同过滤 知识图嵌入 联合学习

国家自然科学基金教育部—中国移动科研基金河北省高等学校科学技术研究项目江苏省博士后科研计划

61802107MCM20170204ZD20201711601085C

2021

10.19734/j.issn.1001-3695.2021.05.0181

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(12)
  • 8
  • 1