重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (3): 128-138.doi: 10.3969/j.issn.1674-8425(z).2021.03.017

• 智能技术 • 上一篇    下一篇

融合多信息的个性化推荐模型

沈 杰１，乔少杰１，２，韩 楠１，元昌安３，４，许源平１，覃 晓４，王珏岚５   

  1. １．成都信息工程大学，成都 ６１０２２５；２．软件自动生成与智能服务四川省重点实验室， 成都 ６１０２２５；３．广西教育学院，南宁 ５３０００７；４．南宁师范大学，南宁 ５３０２９９； ５．四川省医学科学院·四川省人民医院，电子科技大学附属医院，成都 ６１００７２
  • 收稿日期:2019-11-19 出版日期:2021-04-07 发布日期:2021-04-07
  • 作者简介:沈杰，男，硕士研究生，主要从事推荐系统研究；通讯作者 乔少杰，男，博士，教授，主要从事移动数据库、人 工智能研究。
  • 基金资助:
    四川省教育厅人文社会科学重点研究基地四川景观与游憩研究中心科研项目（ＪＧＹＱ２０１８０１０）；成都市新冠 肺炎防控科技项目（２０２０ＹＦ０５０００５８ＳＮ）；广西自然科学基金项目（２０１８ＧＸＮＳＦＤＡ１３８００５）；国家自然科学 基金项目（６１８０２０３５，６１７７２０９１，６１９６２００６，Ｕ２００１２１２，６２０７２３１１）；四川省科技计划项目（２０２１ＪＤＪＱ００２１， ２０２０ＹＦＧ０１５３，２０ＹＹＪＣ２７８５，２０２０ＹＪ０４８１，２０２０ＹＦＳ０４６６，２０２０ＹＪ０４３０， ２０２０ＪＤＲ０１６４， ２０１９ＹＦＳ００６７， ２０２０ＹＦＳ０３９９）；四川高校科研创新团队建设计划项目（１８ＴＤ００２７）

  • Received:2019-11-19 Online:2021-04-07 Published:2021-04-07

PDF (PC)

375

赞

摘要： 为了解决协同过滤推荐系统的数据稀疏与冷启动问题，通常利用辅助信息来提高 推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论，以 及对项目（如商户、电影、商品等）进行评分。为了更加有效地融合多种数据信息，解决数据稀 疏的问题，提高推荐算法的准确性，构建了一个基于用户 －项目历史交互数据源融合知识图谱 的模型，提出了基于用户 －项目历史评论的深度学习算法，将 ２种算法动态融合，利用随机梯度 下降方法进行模型求解，为用户提供更精准的个性化推荐服务。实验结果表明：相比于已有典 型推荐算法，所提模型取得更好的推荐效果，并且可以有效地解决数据稀疏带来的推荐准确性 降低的问题。

关键词: 推荐系统, 知识图谱, 深度学习, 动态融合, 随机梯度下降

中图分类号: 

  • TP311