融合知識(shí)圖譜的矩陣分解推薦算法

打開文本圖片集

摘要：針對(duì)傳統(tǒng)推薦算法中存在的數(shù)據(jù)稀疏性問題，在矩陣分解推薦算法的基礎(chǔ)上提出了融合知識(shí)圖譜的推薦算法MFBKG。首先使用TransH算法將知識(shí)圖譜中的實(shí)體和關(guān)系映射為低維連續(xù)的向量，利用余弦公式計(jì)算實(shí)體向量之間的語義相似度；然后，將實(shí)體向量之間的語義相似度融入矩陣分解推薦算法的優(yōu)化函數(shù)中，同時(shí)利用評(píng)分矩陣和語義關(guān)系優(yōu)化用戶隱因子向量和項(xiàng)目因子向量；最后，在真實(shí)的數(shù)據(jù)集上對(duì)算法的性能進(jìn)行測試，結(jié)果表明，在MAE和RSME兩個(gè)性能指標(biāo)上，比其他相關(guān)算法具有更好的表現(xiàn)。（剩余5817字）