基于知识图谱的推荐系统
推荐系统: 核心目标是通过分析用户行为、兴趣、需求等信息, 在海量的数据中挖掘用户感兴趣的信息, 如商品、新闻、POI (point of interest) 和试题 等。
个性化推荐算法是推荐系统的核心, 其主要可以被分为3 类, 即
- 基于内容的推荐算法
- 基于协同过滤的推荐算法
- 混合推荐算法
主要问题:
- 用户和物品之间的行为关系数据的稀疏问题
- 对新用户或者新物品进行推荐时存在的冷启动问题
将协同过滤推荐算法和其他辅助信息相结合(例如, 用户与物品的属性特征、用户社交网络信息等) 搭建混合推荐系统来解决以上问题
- 知识图谱作为混合推荐系统中一类有效的辅助信息
知识图谱
知识图谱本质:是一个存储知识实体与实体之间关系的结构化网络, 可以帮助形式化描述、理解现实世界的事物及其相互关系。
知识图谱是一种有向信息异构网络。 其包含节点"实体" 与有向边"关系",
- 因而蕴含了推荐系统中对于物品的大量背景信息, 以及物品之间的关系。
- 并且它可以与用户行为数据构成的用户-物品网络集成起来,从而扩展了用户与商品之间存在的隐藏的关联关系, 补充了用户与物品交互数据, 因此可以更进一步地提升推荐效果.
- 另外,基于知识图谱的推荐方法为构建可解释推荐系统提供