陈嘉颖 于 炯 杨兴耀

1(新疆大学信息科学与工程学院 乌鲁木齐 830046) 2(新疆大学软件学院 乌鲁木齐 830008)(chenjy@stu.xju.edu.cn)

近年来，互联网的蓬勃发展致使网络信息量呈指数级增长，网络大数据给人们带来严重的“信息过载”问题，导致终端用户很难准确获取与其需求相符合的信息.推荐系统能够根据用户历史行为数据,分析其潜在偏好，为用户提供个性化推荐，成为缓解“信息过载”问题的有效手段.目前，推荐系统已应用在电子商务(Amazon、阿里巴巴等)、社交网络(Face-book,Twitter等)、电影推荐(Netflix等)、音乐推荐(Last.fm等)、新闻推荐(GoogleNews等)等领域.

现有推荐系统主要以用户评分矩阵作为主要的用户偏好信息［1]，用户评分具有客观性，不同用户打分标准不同.多数推荐平台为用户提供了交互接口，如点赞、评论等，在线评论是用户对项目感受的具体反馈，这些反馈信息通常以非结构文本形式存在，合理分析用户评论信息能够对项目特征及用户偏好进行精细刻画.基于用户评论［2]、基于用户隐士反馈信息的推荐算法在解决冷启动、推荐准确性以及可解释性等方面具有重要潜力，然而，受到文本信息挖掘技术等方面的限制，基于评论信息分析的推荐算法进展并不明显.

知识图谱以结构化的形式将互联网信息表示为人类易于理解的语义网络，使人们更容易组织、管理以及利用互联网信息.知识图谱的兴起，为个性化推荐系统的改进提供了新的思路.针对现有推荐系统对项目特征分析不够充分的问题，提出一种融合语义分析特征提取的推荐算法.该算法从推荐平台中非结构化文本信息入手，结合知识图谱，对项目的描述信息及真实评论数据进行相关实体提取和语义分析，提取项目细粒度特征；……