融合知识图谱与协同过滤的图书推荐算法
Software Guide（2022）
摘要
传统的图书推荐算法只考虑外部评分数据,且会面临物品冷启动等问题.本文将图书外部评分数据与图书内涵知识相结合,提出融合知识图谱和协同过滤的图书推荐算法.首先通过基于知识图谱的训练将图书的语义信息转化为低维向量矩阵,利用余弦相似度公式计算图书间的语义相似度,增加新图书与其他图书的相似性,根据图书语义相似矩阵获取图书的语义近邻.同时,改进协同过滤相似性计算方法,根据图书外部评分矩阵获取图书评分近邻,最后将评分近邻与语义近邻相结合,得到最终的图书推荐结果集.该算法在Book-Crossing数据集上进行测试,实验结果表明算法精确率提高到4.37％,比传统方法提高了0.69％,并且比其他相关算法有更好的表现.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要