知识图谱在推荐系统中的应用研究

2022-05-21杨振辰

上海电力大学学报 2022年2期

杨振辰, 汤悦

(1.上海新达新能源有限公司, 上海 200010; 2.上海电力大学, 上海 200090)

近年来,太阳能光伏发电因其具有无排放、少噪声和使用安全等特点,受到世界各国的广泛关注。我国光伏产业在发展迅速的同时,仍面临着关键技术落后等问题[1]。搜寻新兴技术,增强核心技术研发,摆脱对全球产业链的技术依赖是我国光伏产业突破发展瓶颈的有效途径。随着大数据技术的发展和信息量的增加,如何在大量的信息中搜寻新兴技术对太阳能光伏发电的发展带来了挑战。

推荐系统(Recommendation System,RS)旨在通过为用户找到满足其个性化兴趣的一组物品来解决信息爆炸的问题。在推荐策略中,协同过滤(Collaborative Filtering,CF)[2]考虑用户的历史交互信息,根据其潜在的共同偏好进行推荐,从而取得了巨大的成功。基于CF方法的关键挑战在于提取用户和项目之间的特征来计算它们的相似性,然而这种基于相似性的方法通常存在用户-项目交互的稀疏性和冷启动问题。为了解决这些问题,研究人员建议将边等附加信息整合到CF中,例如引入社交网络、关系数据[3-5]、上下文相关的评论信息[6-8]、知识图谱(Knowledge Graphs,KG)[9]等。本文介绍了知识图谱及可用于推荐系统的知识库,分析了推荐系统的研究现状并点明其目前遇到的瓶颈,从而引入基于知识图谱的推荐系统并对基于知识图谱的推荐系统的发展趋势作出展望。