基于知识图谱的旅游景点个性化推荐方法研究

发布时间：2023-10-18 18:22

　　随着信息技术的发展和互联网的普及,网络上的数据呈指数式增长,信息过载问题成为了用户获取信息的一大困扰。为了从海量的信息中发现用户的兴趣,满足用户个性化的信息需求,推荐系统应运而生。传统的协同过滤推荐多采用评分数据进行推荐,存在数据稀疏问题,限制了推荐系统的性能。知识图谱中存在丰富的知识,用于推荐系统中将会是有用的辅助数据,所以基于知识图谱的推荐越来越受到研究者的关注。本文对基于知识图谱的个性化景点推荐方法展开研究。通过构建旅游景点知识图谱,提取其中的实体向量,用于构建用户兴趣模型,然后融入到矩阵分解推荐模型中,从而提高景点推荐系统的性能。本文的主要研究内容如下:(1)基于本体的景点知识图谱构建。当前,中文领域还没有一个公用的景点知识图谱,需要根据需求自行构建。本文分析了领域知识图谱的构建方法,设计并实现了一种基于本体的景点知识图谱。首先根据本体的目的,寻找可复用本体,并进行概念和分类设计,定义类的属性,构建景点本体;然后,对数据源进行采集,根据本体指导景点知识抽取;设计了一种基于字符串和基于结构的实体对齐方法,分别从字符串和实体属性两个层面进行实体对齐;最后,将景点知识图谱存储在了Ne...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 推荐技术研究现状
        1.2.2 知识图谱研究现状
        1.2.3 基于知识图谱的推荐方法研究现状
    1.3 研究内容
    1.4 组织结构
第2章 基于本体的景点知识图谱构建
    2.1 领域知识图谱构建概述
    2.2 景点本体构建
        2.2.1 景点数据分析
        2.2.2 本体构建流程
        2.2.3 景点本体的实现
    2.3 基于多数据源的景点知识抽取与实体对齐
        2.3.1 景点数据源
        2.3.2 数据获取与处理
        2.3.3 基于相似度的景点实体对齐
    2.4 基于Neo4j的知识图谱存储
    2.5 实验结果
        2.5.1 本体构建
        2.5.2 知识抽取
        2.5.3 实体对齐
        2.5.4 知识图谱构建
    2.6 本章小结
第3章 基于知识图谱的用户兴趣建模
    3.1 用户兴趣建模分析
    3.2 基于知识图谱中实体属性的用户兴趣模型框架
    3.3 基于知识图谱中实体属性的用户兴趣建模
        3.3.1 景点属性分析
        3.3.2 基于表示学习的知识图谱向量化方法
        3.3.3 基于TransR模型的景点知识图谱训练
        3.3.4 改进的用户兴趣表示方法
    3.4 本章小结
第4章 融合知识图谱的个性化景点推荐方法
    4.1 个性化推荐
        4.1.1 协同过滤推荐算法
        4.1.2 协同过滤推荐算法存在的问题
    4.2 融合知识图谱的推荐方法的框架
    4.3 基于知识图谱的用户偏好相似性
        4.3.1 相似性计算
        4.3.2 用户偏好相似性计算
    4.4 融合用户偏好相似性的矩阵分解推荐模型
        4.4.1 矩阵分解推荐算法
        4.4.2 改进的矩阵分解推荐算法
        4.4.3 改进的矩阵分解学习
    4.5 景点推荐列表生成
    4.6 本章小结
第5章 实验结果与分析
    5.1 实验环境
    5.2 景点知识图谱表示学习实验
        5.2.1 实验数据集
        5.2.2 评价指标
        5.2.3 实验结果分析
    5.3 推荐算法实验
        5.3.1 实验数据集
        5.3.2 评价指标
        5.3.3 实验设计
        5.3.4 实验结果与分析
        5.3.5 参数分析
    5.4 本章小结
第6章 总结与展望
    6.1 主要工作总结
    6.2 展望
致谢
参考文献
攻读学位期间获得与学位论文相关的科研成果目录



本文编号：3854951