融合知识图谱与用户兴趣模型的景点推荐方法研究

近年来网络信息和知识以指数式增长,给用户带来了“信息过载”的问题。而推荐系统的出现,改善了信息过载带来的负面影响。此外,利用用户的各种行为数据,可以挖掘用户的兴趣,从而实现个性化推荐。用户兴趣中最常用的数据是评分数据,但评分数据的缺点在于无法将用户所有的兴趣悉数呈现,并且存在数据稀疏的问题,影响推荐效果。本文选择引入知识图谱到推荐方法中,一方面作为辅助数据,可以缓解以往协同过滤中存在的一些问题。另一方面通过对项目及其属性的有效利用,更好地获取用户兴趣,从而实现更加个性又准确的推荐。本文的研究内容主要分为以下三个方面:(1)根据领域知识建模,构建澳大利亚旅游领域知识图谱。首先构建澳大利亚旅游领域的概念层次模型,然后进行数据的采集和处理从而实现知识获取,得到知识三元组。接着将从多种知识库里获得的实体进行对齐,进行知识融合。最后将得到的数据存储到图数据库中。(2)挖掘用户对景点的偏好,构建用户游览兴趣模型。将用户对景点的喜好转化为对景点属性的喜好,利用知识表示进行知识图谱向量化得到景点的属性向量,从而计算出用户游览兴趣向量。(3)提出了一种融合景点知识图谱和用户游览兴趣的混合推荐方法。一方面,利用基于知识图谱的用户游览兴趣模型计算用户偏好相似性,利用矩阵分解方法得到景点的预测评分。另一方面通过挖掘知识图谱中的语义信息,结合用户历史评分数据,使用基于项目的协同过滤推荐方法得到景点的预测评分。最终通过将两方面预测评分排名后得到的推荐列表进行合并,得到最终的推荐列表。本文提出了一种融合景点知识图谱和用户游览兴趣模型的景点推荐方法,通过与其他对比算法的实验验证结果发现,本文提出的算法在推荐性能上有所优化。