基于知识图谱的协同过滤算法的研究与应用
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 论绪 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 推荐系统的研究现状 | 第10-11页 |
| 1.2.2 知识图谱的研究现状 | 第11-12页 |
| 1.2.3 基于知识图谱的推荐算法的研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 背景技术及方法 | 第15-30页 |
| 2.1 协同过滤推荐算法 | 第15-21页 |
| 2.1.1 基于用户的协同过滤 | 第16-18页 |
| 2.1.2 基于物品的协同过滤 | 第18-19页 |
| 2.1.3 基于模型的协同过滤 | 第19-21页 |
| 2.2 相似性度量方法 | 第21-23页 |
| 2.2.1 余弦相似度 | 第21-22页 |
| 2.2.2 欧式距离 | 第22页 |
| 2.2.3 Pearson相关系数 | 第22-23页 |
| 2.3 知识图谱关键技术 | 第23-28页 |
| 2.3.1 信息抽取 | 第23-25页 |
| 2.3.2 知识融合 | 第25-26页 |
| 2.3.3 知识建模 | 第26-27页 |
| 2.3.4 知识存储 | 第27页 |
| 2.3.5 知识表示 | 第27-28页 |
| 2.4 知识图谱嵌入推荐系统的方法 | 第28-29页 |
| 2.4.1 基于特征的推荐方法 | 第28页 |
| 2.4.2 基于路径的学习方法 | 第28-29页 |
| 2.4.3 知识图谱的特征学习 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 电影领域知识图谱构建 | 第30-43页 |
| 3.1 电影领域知识图谱概述 | 第30-31页 |
| 3.2 模式层的本体建模 | 第31-35页 |
| 3.2.1 知识图谱与本体 | 第31-32页 |
| 3.2.2 本体描述语言 | 第32页 |
| 3.2.3 本体库构建过程 | 第32-35页 |
| 3.3 知识图谱的数据获取 | 第35-40页 |
| 3.3.1 数据来源 | 第36页 |
| 3.3.2 关系数据库到RDF | 第36-38页 |
| 3.3.3 数据存储 | 第38页 |
| 3.3.4 数据流程框架 | 第38-40页 |
| 3.4 实验结果 | 第40-42页 |
| 3.4.1 模式层本体库的实现 | 第40页 |
| 3.4.2 知识图谱的实现 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于表示学习的知识向量化表示 | 第43-50页 |
| 4.1 经典的知识表示学习方法 | 第43-45页 |
| 4.1.1 One-Hot表示 | 第43页 |
| 4.1.2 TransE模型 | 第43-44页 |
| 4.1.3 目标函数 | 第44-45页 |
| 4.2 改善后的知识表示学习方法 | 第45-47页 |
| 4.2.1 TransE-SNS模型 | 第45页 |
| 4.2.2 优化目标函数 | 第45-46页 |
| 4.2.3 模型训练 | 第46-47页 |
| 4.3 实验结果 | 第47-49页 |
| 4.3.1 实验数据 | 第47页 |
| 4.3.2 评价指标 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于知识图谱的协同过滤算法的实现 | 第50-65页 |
| 5.1 协同过滤算法概述 | 第50-51页 |
| 5.1.1 协同过滤算法 | 第50页 |
| 5.1.2 协同过滤算法存在的问题 | 第50-51页 |
| 5.2 融合语义近邻的协同过滤算法 | 第51-53页 |
| 5.2.1 物品语义相似性 | 第51-52页 |
| 5.2.2 历史信息物品相似性 | 第52-53页 |
| 5.2.3 融合物品的相似度 | 第53页 |
| 5.3 融合兴趣衰减的协同过滤算法 | 第53-55页 |
| 5.3.1 Ebbinghaus遗忘曲线 | 第53-54页 |
| 5.3.2 融入时间函数 | 第54-55页 |
| 5.4 评分预测 | 第55页 |
| 5.5 改进后的算法框架及描述 | 第55-58页 |
| 5.5.1 算法流程框架 | 第56-57页 |
| 5.5.2 Top-N推荐列表生成 | 第57-58页 |
| 5.6 实验过程及结果分析 | 第58-64页 |
| 5.6.1 数据集 | 第58-59页 |
| 5.6.2 测评指标 | 第59-60页 |
| 5.6.3 实验结果及分析 | 第60-64页 |
| 5.7 本章小结 | 第64-65页 |
| 第六章 总结 | 第65-67页 |
| 6.1 全文总结 | 第65页 |
| 6.2 后续展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
