嵌入知识图谱和用户行为的推荐算法研究

发布时间：2023-02-26 00:03

　　近年来,互联网地持续发展带来了网络上信息的指数式增长。在这样的背景下,推荐系统系统成为了缓解用户信息过载的主要手段,并在过去十多年里诞生了大量的理论、技术和应用。但是现有的推荐系统一般根据用户的历史行为信息进行推荐,所以在真实的海量数据场景中,有可能面临着数据稀疏和冷启动的问题。因此,研究者尝试将一些辅助信息引入推荐系统,用来丰富用户和物品的描述。知识图谱作为一个含有丰富有效信息的知识库,已经在自然语言处理领域取得了广泛的应用。知识图谱中包含着的实体间丰富的语义关联能够有效的用来挖掘推荐系统中物品间更深层次的联系,缓解数据稀疏和冷启动问题,改善推荐系统的性能。因此将知识图谱引入推荐系统成为了目前新的研究方向。基于以上背景,本文提出了一种基于行为和知识统一嵌入的推荐模型,目的是将知识图谱信息引入推荐系统,与用户行为信息融合在一起,提升推荐系统的性能,主要的工作如下:在知识学习部分,为了提取知识图谱中实体间丰富的语义关联信息,本文使用知识图谱嵌入方法将图谱中的实体和关系映射到一个低维向量空间,为每个实体和关系学习到一个向量表示。同时,为了更好的表征每个实体,防止实体向量应用到推荐系统中时出...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    第一节 研究背景与意义
    第二节 国内外研究综述
        一、传统推荐算法
        二、基于深度学习的推荐算法
        三、基于知识图谱的推荐算法
    第三节 论文创新
    第四节 论文结构安排
第二章 研究理论与方法
    第一节 循环神经网络概述
        一、标准循环神经网络
        二、长短时记忆网络
        三、门控循环单元
    第二节 注意力机制
    第三节 嵌入理论概述
        一、词嵌入介绍
        二、图嵌入介绍
        三、知识图谱嵌入介绍
第三章 行为和知识统一嵌入的推荐模型
    第一节 问题描述
    第二节 模型框架
        一、知识学习
        二、行为和知识的统一嵌入
        三、深度兴趣学习网络
第四章 实验与评估
    第一节 数据集
        一、数据集介绍
        二、数据预处理
    第二节 实验设计
        一、实验评估指标
        二、实验准备过程
        三、实验结果分析
第五章 总结与展望
    第一节 研究内容总结
    第二节 未来展望
参考文献
致谢
个人简历及在学期间发表的研究成果



本文编号：3749435