针对基于矩阵分解推荐算法准确率不高的问题,提出一种融合知识图谱表示学习和矩阵分解的推荐算法。利用知识图谱表示学习方法,将知识图谱中实体和关系的语义信息嵌入低维的向量空间中,通过计算实体之间的语义相似性,将实体自身的知识信息融入矩阵分解模型。算法弥补了矩阵分解方法没有考虑项目自身知识信息的不足,在知识层面上增强了矩阵分解方法的效果。MovieLens数据集上的实验结果表明,该算法有效提升了推荐结果的准确率。
科研之友
微信
新浪微博
Facebook
分享链接
