汤伟韬,余敦辉,2,魏世伟

(1.湖北大学 计算机与信息工程学院,武汉 430062; 2.湖北省教育信息化工程技术中心,武汉 430062)

0 概述

随着互联网的快速发展,电子商务系统得到了广泛应用,其中的商品信息不断扩增,随之也带来了信息过载的问题。为解决该问题,商品推荐[1-2]应运而生,其通过分析用户过往的购买记录或商品的受欢迎程度等信息,推断用户的喜好并为用户推荐他们感兴趣的商品。

知识图谱[3]是一种基于图的网络数据结构,其由多个节点和边构成,其中,实体作为节点,关系作为边,以多个<头实体,关系,尾实体>的三元组形式存储在知识库中。知识图谱作为大数据时代的产物,是物品与物品之间关系的最有效的表现方式,并且其能够融合多源异构信息,因此,越来越多的学者将知识图谱应用于推荐算法中[4]。

知识图谱的图结构能够体现用户评论之间的商品网络结构信息,因此,本文提出一种融合知识图谱与用户评论的商品推荐算法。结合知识图谱分析每个用户评论,提取商品特征及其对应的情感词,根据情感词计算商品特征得分。将知识图谱融入到商品相似度矩阵的计算中,在随机游走模型中输入相似度矩阵以分配特征权重,在此基础上,通过商品特征分数和特征权重计算商品推荐价值,根据商品推荐价值进行Top-k推荐。

1 相关工作

推荐算法主要分为协同过滤算法、基于内容的推荐算法和混合推荐算法。

1)协同过滤算法将某个用户感兴趣的物品推荐给和该用户兴趣相似的用户。……