典型文献
结合知识图谱进行信息强化的协同过滤算法
文献摘要：
针对传统协同过滤算法存在使用信息单一、基础评分数据过于稀疏导致推荐效果不佳等问题,该文提出一种结合知识图谱进行信息强化的协同过滤(KGRI-CF)算法.该算法利用电影的特征数据构建1张关于电影的知识图谱,对用户-评分矩阵进行有条件的填充,有效改善了传统协同过滤算法的数据稀疏性问题.通过对评分数据进行统计与挖掘获取用户的偏好信息,构建了关于用户偏好的知识图谱.利用实体向量化算法将知识图谱中的实体以及关系向量化后计算出用户信息相似度,将其与基于用户的传统协同过滤算法得到的用户评分相似度以一定比例进行融合,从而得到最终的用户相似度,并以此为基础进行评分预测并得到推荐列表.实验结果表明:与传统协同过滤算法相比,该算法能有效地改善数据稀疏性问题,预测结果的精准率和召回率均有显著提升,同时具有较好的可解释性.
文献关键词：
协同过滤;知识图谱;信息强化;相似度融合
中图分类号：
作者姓名：
冯祥;杨庆红
作者机构：
江西师范大学计算机信息工程学院,江西 南昌 330022
文献出处：
引用格式：
[1]冯祥;杨庆红-.结合知识图谱进行信息强化的协同过滤算法)[J].江西师范大学学报（自然科学版）,2022(04):386-393
A类：
KGRI
B类：
信息强化,协同过滤算法,信息单一,评分数据,疏导,推荐效果,CF,法利,特征数据,评分矩阵,数据稀疏性,取用,偏好信息,用户偏好,实体向量,向量化,量化算法,用户信息,定比,用户相似度,评分预测,列表,召回率,可解释性,相似度融合
AB值：
0.281003
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
