知识图谱推荐系统研究综述

最新推荐文章于 2024-07-26 13:24:37 发布

Wzideng

最新推荐文章于 2024-07-26 13:24:37 发布

阅读量215

点赞数

分类专栏：科研--论文--实验文章标签：知识图谱人工智能

wzideng所有，如有需求，请联系=>>Wzideng@qq.com

本文链接：https://blog.csdn.net/weixin_43554580/article/details/132167401

版权

科研--论文--实验专栏收录该内容

36 篇文章 0 订阅 ¥299.90 ¥399.90

订阅专栏

超级会员免费看

在这里插入图片描述

基于协同过滤的推荐是当前应用最为广泛的推荐方法，但也存在着新用户或新项目的冷启动以及数据稀疏等问题。针对上述两种方法出现的问题，研究者进一步提出了混合推荐系统。混合推荐系统结合上述两种方法的优点，可以有效缓解其中的不足，增加推荐的准确性。但是，混合推荐系统不能彻底解决冷启动和数据稀疏问题，知识图谱的出现有效缓解了上述问题。

在这里插入图片描述

在这里插入图片描述

1.1 推荐系统

着力介绍了几点经典的推荐系统方法：
在这里插入图片描述

了解本专栏

超级会员免费看

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
知识图谱推荐系统研究综述

DKN模型的优势在于它可以通过学习到的用户兴趣和物品特性之间的关系，进行更加精细的推荐，尤其是在涉及到丰富的领域知识时。然而，需要指出的是，DKN模型可能需要大量的训练数据和计算资源来进行训练，以便有效地捕捉复杂的用户行为模式和物品知识关系。该模型的核心思想是结合用户的行为序列和物品的知识信息来进行推荐。“DKN"代表的是"Deep Knowledge-Aware Network”，它是一种应用于推荐系统的深度学习模型，旨在通过结合用户的行为数据和领域知识来提高推荐的质量。
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。