近年來,隨著大數(shù)據(jù)、物聯(lián)網(wǎng)和人工智能等新技術(shù)的發(fā)展,全球數(shù)據(jù)量急劇增長。大數(shù)據(jù)中蘊(yùn)含的豐富價值與巨大潛力為人類提供便利的同時也帶來了信息過載問題。為幫助用戶迅速從海量信息中獲取有價值的信息,個性化推薦系統(tǒng)應(yīng)運(yùn)而生。然而隨著推薦系統(tǒng)中用戶規(guī)模及項目規(guī)模的迅速增長,用戶項目評分矩陣越發(fā)稀疏,導(dǎo)致傳統(tǒng)的協(xié)同過濾推薦算法的推薦精度降低。當(dāng)有新用戶或者新項目加入到系統(tǒng)中時,由于缺乏對應(yīng)歷史評分信息,無法對其進(jìn)行推薦,此時推薦系統(tǒng)將產(chǎn)生冷啟動問題,影響用戶體驗。本文分析了冷啟動問題產(chǎn)生的原因,通過知識圖譜將豐富的項目語義信息引入到推薦系統(tǒng)中,并融合項目空間模型和隨機(jī)游走的策略更好地計算項目相似度,從而提高推薦結(jié)果的準(zhǔn)確性。本文的主要工作包括:（1）通過分析領(lǐng)域知識圖譜構(gòu)建技術(shù),設(shè)計并實現(xiàn)了一種基于鏈接開放數(shù)據(jù)（LOD）的電影領(lǐng)域知識圖譜構(gòu)建方法。本文對電影領(lǐng)域相關(guān)知識進(jìn)行分析研究,提取出電影領(lǐng)域的知識本體類及實體間的關(guān)系,據(jù)此在鏈接開放數(shù)據(jù)中查找生成對應(yīng)三元組,完成知識圖譜的構(gòu)建,并利用圖數(shù)據(jù)庫對知識進(jìn)行存儲,實現(xiàn)知識圖譜可視化。（2）提出了一種基于領(lǐng)域知識圖譜將向量空間模型和隨機(jī)游走策略相結(jié)合的... 

【文章來源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１個性化推薦系統(tǒng)功能模塊圖??Ｆｉｇｕｒｅ?２－１?Ｆｕｎｃｔｉｏｎａｌ?ｍｏｄｕｌｅ?ｄｉａｇｒａｍ?ｏｆ?ｐｅｒｓｏｎａｌｉｚｅｄ?ｒｅｃｏｍｍｅｎｄｅｒ?ｓｙｓｔｅｍ??

圖２－２基于內(nèi)容的推薦過程??Ｆｉｇｕｒｅ?２－２?Ｐｒｏｃｅｓｓ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ??２－，：??

圖２－３協(xié)同過濾推薦算法分類圖??Ｆｉｇｕｒｅ?２－３?Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?ｏｆ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ?ａｌｇｏｒｉｔｈｍ??


本文編號：3085255