• 中国计算机学会会刊
  • 中国科技核心期刊
  • 中文核心期刊

计算机工程与科学

• 人工智能与数据挖掘 • 上一篇    下一篇

基于知识图谱和协同过滤的电影推荐算法研究

袁泉1,2,3,成振华1,2,江洋1,2   

  1. (1.重庆邮电大学通信与信息工程学院,重庆 400065;
    2.重庆邮电大学通信新技术应用研究中心,重庆 400065;3.重庆信科设计有限公司,重庆 401121)
     
  • 收稿日期:2019-09-09 修回日期:2019-11-26 出版日期:2020-04-25 发布日期:2020-04-25

YUAN Quan1,2,3,CHENG Zhen-hua1,2,JIANG Yang1,2   

  1. (1.School of Communication and Information Engineering,
    Chongqing University of Posts and Telecommunications,Chongqing 400065;
    2.Research Center of New Telecommunication Technology  Applications,
    Chongqing University of Posts and Telecommunications,Chongqing 400065;
    3.Chongqing Information Technology Designing Co.,Ltd.,Chongqing 401121,China)
  • Received:2019-09-09 Revised:2019-11-26 Online:2020-04-25 Published:2020-04-25

摘要:

针对协同过滤算法在推荐电影过程中只能考虑电影外部评论而不能考虑电影内部的相似度关系,提出构建知识图谱辅助计算电影内部相似度。已有的电影数据可能是不完整的,因此采用知识图谱推理补全缺失的电影知识。基于TransE模型的知识图谱无法有效描述电影间的片名、演员、导演等复杂的多关系。首先采用改进的TransHR模型表示出电影信息之间的多关系,提升关系表示的准确率;然后通过用户评分矩阵计算电影间相似度;最后将2种相似度融合并应用于矩阵分解的推荐技术中。对比实验结果表明,该算法在召回率、准确率、平均绝对误差
MAE等指标上都有所提升。

关键词: 协同过滤算法, 知识图谱, 表示学习, 混合推荐