基于知识图谱表示学习的推荐算法优化

作者：郝卫; 魏赟

来源：智能计算机与应用, 2020, 10(04): 22-31.

• 知识图谱
• 表示学习
• 协同过滤
• 电影推荐

本文提出基于知识图谱表示学习的推荐算法TransH-CF。通过表示学习方法,将电影数据集中的实体映射成对应的实体向量,嵌入到低维空间中来,计算不同电影之间的语义相似度,与协同过滤计算出的电影相似度相结合,将混合后的结果推荐给用户。本文选取TransH翻译方法,与改进后基于物品的协同过滤算法相结合,弥补了传统协同过滤算法在热门电影相似度计算时的劣势,也解决了TransE翻译方法在一对多,多对一,多对多关系建模的劣势。实验结果表明,,此算法有效的提高了电影推荐的准确率、召回率、F值等评估因素。

• 单位
  上海理工大学