第 卷 第 期 沈 阳 理 工 大 学 学 报 Ｖｏ ｌ Ｎｏ
４０ ６ ｍｏｕｎｔｓ ｏｆ ｄｉｒｔｙ ｄａｔａ ｉｎ ａｎ ｅｘｐｌｏｓｉｖｅ ｗａｙ. Ｉｎ ｏｒｄｅｒ ｔｏ ｇｅｔ ｈｉｇｈｅｒ ｑｕａｌｉｔｙ ｄａｔａ ｗｉｔｈｏｕｔ ｂｅｉｎｇ
ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅｓｅ ｄｉｒｔｙ ｄａｔａ ｐｅｏｐｌｅ ｂｅｇｉｎ ｔｏ ｆｏｃｕｓｏｎ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｓｙｓｔｅｍｓ. Ｔｒａｄｉｔｉｏｎａｌ
ꎬ
ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ｓｕｃｈ ａｓ Ｃｏｌｌａｂｏｒａｔｉｖｅ Ｆｉｌｔｅｒｉｎｇ ＣＦ ｒｅｌｙ ｔｏｏ ｍｕｃｈ ｏｎ ｔｈｅ ｉｎ￣
ꎬ ( )ꎬ
ｔｅｒａｃｔｉｖｅ ｉｎｆｏｒｍａｔｉｏｎ ｂｅｔｗｅｅｎ ｕｓｅｒｓ ａｎｄ ｉｔｅｍｓ ｓｏ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｄａｔａ ｓｐａｒｓｉｔｙ ａｎｄ ｃｏｌｄ ｓｔａｒｔ
ꎬ
ｈａｖｅ ｂｅｃｏｍｅ ｄｉｆｆｉｃｕｌｔ ｐｒｏｂｌｅｍｓ ｔｏ ｂｅ ｓｏｌｖｅｄ ｂｙ ｔｈｅ ａｃａｄｅｍｉａ ａｌｌ ｔｈｅ ｔｉｍｅ. Ｒｅｃｅｎｔｌｙ Ｋｎｏｗｌ￣
ꎬ
ｅｄｇｅ Ｇｒａｐｈ ｈａｓ ｂｅｅｎ ｗｉｄｅｌｙ ｕｓｅｄ ｉｎ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ｓｙｓｔｅｍｓ ｂｅｃａｕｓｅ ｏｆ ｉｔｓ ｔｒｉｔｕｐｌｅ′ｓ ｉｎｔｅｌｌｉ￣
ｇｉｂｉｌｉｔｙ ａｎｄ ｒｉｃｈ ｓｅｍａｎｔｉｃ ｉｎｆｏｒｍａｔｉｏｎ. Ｆｏｒ ｔｈｅｓｅ ｒｅａｓｏｎｓ ｗｅ ｐｒｏｐｏｓｅ ａ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ａｌ￣
ꎬ
ｇｏｒｉｔｈｍ ｍｏｄｅｌ ｗｈｉｃｈ ｉｓ ｂａｓｅｄ ｏｎ ｋｎｏｗｌｅｄｇｅ ｅｍｂｅｄｄｉｎｇ ｍｏｄｅｌ ＴｒａｎｓＥ ａｎｄ Ｇｒａｐｈ ｎｅｕｒａｌ
ꎬ
ｎｅｔｗｏｒｋ. Ｈｉｇｈｅｒ￣ｏｒｄｅｒ ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｏｆ ｕｓｅｒｓ ａｎｄ ｉｔｅｍｓ ｃａｎ ｂｅ ｅｘｔｒａｃｔｅｄ ｂｙ ｕｓｉｎｇ ｔｈｅ Ｇｒａｐｈ
ｎｅｕｒａｌ ｎｅｔｗｏｒｋ. Ｋｎｏｗｌｅｄｇｅ ｇｒａｐｈ ｅｍｂｅｄｄｉｎｇ ａｌｇｏｒｉｔｈｍ ｍｏｄｅｌ ｃａｎ ｅｘｔｒａｃｔ ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ
ｉｎｆｏｒｍａ
基于知识图谱的推荐算法研究 来自淘豆网m.daumloan.com转载请标明出处.
