-
题名一种知识图谱的排序学习个性化推荐算法
被引量:15
- 1
-
-
作者
杨晋吉
胡波
王欣明
伍昱燊
赵淦森
-
机构
华南师范大学计算机学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第11期2419-2423,共5页
-
基金
教育部博士点基金项目(20124407120017)资助
广东省自然科学基金团队项目(S2012030006242)资助
-
文摘
推荐系统是解决"信息过载"的有效方法,提出一种知识图谱的排序学习个性化推荐算法.本文算法首先构建融合上下文信息的知识图谱,使用基于深度学习的网络表示方法 Node2Vec抽取知识图谱特征,通过将排序学习模型产生的反馈模型与用户兴趣迁移模型结合,构建混合推荐模型,最终通过排序学习进行Top-N推荐.该算法能够将各种不同性质的上下文特征结合在一起,并通过排序学习衡量这些多维特征的权重比例,解决了不同特征的融合问题,并且能够考虑到用户兴趣迁移和长短期偏好.在Movielens 1M数据集上的对比实验验证文中算法的有效性,实验表明,该算法能够有效提高推荐的P@N和MAP值.
-
关键词
知识图谱
排序学习
兴趣迁移
Node2Vec
上下文信息
-
Keywords
knowledge graph
learning to rank
interest migration
Node2Vec
context information
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-