典型文献
基于Neo4j图数据库的电影知识图谱构建与电影推荐研究
文献摘要：
新冠疫情背景下,随着人们线上观影需求的不断增大,如何从互联网海量数据中为用户精准推荐其喜爱的电影已然成为了众多流媒体平台关注的问题.本文以TMDB(The Movie Database)电影数据集和Netflix Prize电影评分数据集为例进行知识抽取,构建电影知识图谱,利用图数据库Neo4j对知识图谱进行存储,基于知识图谱进行电影推荐.相较于传统的电影推荐算法,本文的电影推荐利用了知识图谱可以存储海量电影特征信息、用户信息,并可以依据数据间的关系进行快速检索的特点,使推荐结果更加精准多样,同时具有良好的可解释性.
文献关键词：
电影推荐;知识图谱;图数据库;Neo4j
中图分类号：
作者姓名：
王卓岚;张雨琦;陈鸣宇;苏意淇;宋凯;董春玲
作者机构：
中国传媒大学,北京 100024
文献出处：
引用格式：
[1]王卓岚;张雨琦;陈鸣宇;苏意淇;宋凯;董春玲-.基于Neo4j图数据库的电影知识图谱构建与电影推荐研究)[J].现代电影技术,2022(03):29-36
A类：
TMDB
B类：
Neo4j,图数据库,知识图谱构建,电影推荐,疫情背景下,观影,网海,海量数据,精准推荐,流媒体平台,Movie,Database,电影数据,Netflix,Prize,电影评分,评分数据,集为,行知,知识抽取,基于知识,推荐算法,特征信息,用户信息,快速检索,可解释性
AB值：
0.372254
相似文献
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。
