融合知识图谱的矩阵分解推荐算法
打开文本图片集
摘要：针对传统推荐算法中存在的数据稀疏性问题，在矩阵分解推荐算法的基础上提出了融合知识图谱的推荐算法MFBKG。首先使用TransH算法将知识图谱中的实体和关系映射为低维连续的向量，利用余弦公式计算实体向量之间的语义相似度；然后，将实体向量之间的语义相似度融入矩阵分解推荐算法的优化函数中，同时利用评分矩阵和语义关系优化用户隐因子向量和项目因子向量；最后，在真实的数据集上对算法的性能进行测试，结果表明，在MAE和RSME两个性能指标上，比其他相关算法具有更好的表现。（剩余5817字）