基于胶囊网络知识图谱嵌入的图书推荐算法

发布时间：2023-11-11 15:30

　　推荐算法正随着互联网的蓬勃发展而发挥着越来越重要的作用,数据总量呈指数级增长,使得越来越多的用户在大量无用、冗杂的信息中迷失。目前,推荐算法主要通过使用用户和物品的交互数据作为输入,进行相似度计算,实现推荐功能,当推荐算法输入数据不足时就会出现数据稀疏和冷启动问题,使得推荐结果不准确,用户对推荐系统的好感度降低。为增加用户对个性化推荐服务的使用意愿,在推荐算法中引入知识图谱,深入挖掘知识图谱中丰富的实体及关系特征,对提供更加准确、多样和可解释的推荐算法有着重要的实用价值。对此,本文的主要研究工作如下:首先,为丰富推荐算法的输入,使推荐结果更具多样性,本文将知识图谱引入推荐算法中。通过Scrapy爬虫框架和实体对齐等技术构建计算机类图书知识图谱。知识图谱中含有丰富的实体及实体间语义关系对构建可解释的推荐算法很有帮助,并且可以增加物品的特征描述,使推荐结果更具多样性。其次,为使推荐算法和知识图谱能够有效融合,本文提出一种基于关系记忆的胶囊网络知识图谱嵌入模型(CNKGE)。通过CNKGE模型先行处理知识图谱,利用关系记忆网络编码知识图谱中的三元组特征,再通过胶囊网络进行特征处理,能够对知识...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景与意义
    1.2 相关技术的研究现状
        1.2.1 基于本体的推荐
        1.2.2 基于链接开放数据的推荐
        1.2.3 基于图嵌入的推荐
    1.3 研究内容
    1.4 论文的组织结构
2 相关研究基础
    2.1 知识图谱
    2.2 知识图谱嵌入
    2.3 推荐算法
        2.3.1 基于内容的推荐算法
        2.3.2 基于用户的协同过滤推荐算法
        2.3.3 基于物品的协同过滤推荐算法
        2.3.4 混合推荐算法
    2.4 本章小结
3 计算机类图书知识图谱的构建
    3.1 数据来源和预处理
        3.1.1 数据采集框架
        3.1.2 数据爬取过程
        3.1.3 数据预处理
    3.2 实体对齐
        3.2.1 作者实体对齐
        3.2.2 图书实体对齐
    3.3 数据模型构建
    3.4 知识存储
    3.5 本章小结
4 基于关系记忆的胶囊网络知识图谱嵌入模型
    4.1 胶囊网络
        4.1.1 胶囊网络的结构和原理
        4.1.2 胶囊网络相关模型
    4.2 基于关系记忆的胶囊网络知识图谱嵌入模型
        4.2.1 模型定义
        4.2.2 模型训练
    4.3 链接预测实验
        4.3.1 数据集
        4.3.2 超参数设置
        4.3.3 评估指标
        4.3.4 实验结果分析
    4.4 三元组分类实验
        4.4.1 评估指标
        4.4.2 实验分析
    4.5 本章小结
5 基于CNKGE模型的计算机类图书推荐算法
    5.1 问题定义
    5.2 算法整体框架
    5.3 基于胶囊网络的知识图谱嵌入
    5.4 图书相似度计算
        5.4.1 基于知识图谱的图书相似度计算
        5.4.2 基于协同过滤推荐算法的图书相似度计算
        5.4.3 相似度融合
    5.5 推荐列表生成
    5.6 实验与分析
        5.6.1 实验数据
        5.6.2 评估指标
        5.6.3 实验结果与分析
    5.7 本章小结
6 研究总结与展望
    6.1 研究总结
    6.2 展望
参考文献
攻读硕士学位期间科研成果情况
致谢



本文编号：3862817