基于电影属性和交互信息的电影推荐算法 |
| |
作者姓名: | 顾亦然 张远之 杨海根 |
| |
作者单位: | 南京邮电大学自动化学院、人工智能学院,江苏 南京210003;南京邮电大学智慧校园研究中心,江苏 南京210003;南京邮电大学自动化学院、人工智能学院,江苏 南京210003;南京邮电大学宽带无线通信技术教育部工程研究中心,江苏 南京210003 |
| |
基金项目: | 国家重点研发计划(SQ2021YFB3300069); |
| |
摘 要: | 为了缓解电影推荐系统准确率低、可解释性差和数据稀疏等问题,该文同时考虑电影属性信息和用户与电影的交互信息,融合知识图谱和协同过滤算法提出了基于电影属性和交互信息的电影推荐算法,简称为RippleNet协同过滤(RippleNet collaborative filtering, RippleNet-CF)。该模型一方面利用电影与电影属性之间的相互关系构建电影知识图谱,提取电影与电影之间的关系,通过RippleNet模型计算用户偏好。另一方面使用电影和用户间的交互信息,通过协同过滤算法计算出用户偏好。最后结合上述2个方面得出推荐列表,并根据推荐列表进行Top-K推荐。试验结果表明,该文提出的方法在推荐效果的准确率方面有显著提升,同时具有更好的解释性并缓解了数据稀疏问题。
|
关 键 词: | 电影属性 知识图谱 协同过滤 推荐系统 准确率 兴趣偏好 |
本文献已被 万方数据 等数据库收录! |
|