一种基于知识图谱与内容的推荐算法

摘要

推荐系统作为信息筛选工具,通过对用户个人信息记录分析以实现用户兴趣预测,推荐满足用户需求的物品列表,其核心是推荐算法。现有的推荐算法大多需要收集用户大规模的数据训练来实现,存在数据稀疏性的问题,且当用户需要购买新物品时,往往无法进行有效的推荐。针对该问题,本文提出了一种基于知识图谱和内容的推荐算法。首先,解析用户记录并构建知识图谱,设计基于知识图谱的相似度算法,对知识图谱中的实体与关系进行相似度计算;其次,基于文本词嵌入对内容进行向量化表示,并构建基于内容的相似度算法;最后,本文融合了基于知识图谱的相似度算法和基于内容的相似度算法,通过权重计算选取得分高的值作为推荐结果。与其它模型在MovieLens数据集上进行了实验对比,实验结果表明,本文所提出的算法在召回率和准确率方面有明显的提升。