传统网络信息推荐算法的推荐结果数据单一且重复,无法深层挖掘用户偏好,导致推荐结果误差较高,召回率以及准确度均较低。提出基于知识图谱的网络用户长短期偏好推荐算法。通过构建知识图谱,深层次挖掘网络用户的潜在语义信息,并完成及时的语义辅助与补充。匹配网络用户历史行为与推荐结果,最终将项目嵌入到网络用户长短期学习中,实现网络用户长短期偏好推荐。实验结果表明,所提方法的推荐结果平方根误差和平均绝对误差较低,且召回率较高,表明推荐结果更能得到网络用户的认可与接受,推荐结果更准确。
科研之友
微信
新浪微博
Facebook
分享链接
