景点推荐系统可以帮助游客过滤大量的无关信息, 还能辅助商家发掘潜在的顾客. 然而, 现有 的基于传统方法的推荐系统, 如基于内容的推荐或协同过滤系统, 虽推荐过程相对透明直观, 但由于数 据稀疏性的存在, 推荐结果往往不够准确; 基于深度学习的推荐方法, 虽在一定程度上提高了推荐结 果的精度, 但由于缺乏可解释性和透明度, 难以满足部分用户理解推荐依据的愿望, 也阻碍了此类方法 的推广应用. 为了解决当前方法所存在的局限, 本文引入基于知识图谱的景点推荐框架, 将推荐过程 与知识图谱嵌入相结合, 推断用户兴趣在知识图谱上的传播路径, 以此作为推荐依据. 此外, 本文通过 对真实旅游数据的多角度时空分析, 探究旅游活动的时空规律, 并将其应用于景点推荐框架中, 提出一 种面向旅游的基于知识图谱的可解释推荐方法 —— Geo-RippleNet, 并通过构建基于开放网络资源的 旅游知识图谱, 对 Geo-RippleNet 进行了全面的实验验证. 结果表明, 本文提出的基于知识图谱的景点 推荐方法, 不仅可以最大限度地吸收知识图谱丰富的语义信息, 从而实现可观的性能提升, 还能充分 利用图谱的关系知识, 推理兴趣传播路径, 以增强推荐结果的可解释性. 此外, 将旅游活动的时空规律 融入到上述推荐框架中, 能够还原用户出游和决策的时空过程, 进一步提高方法的性能表现.

成为VIP会员查看完整内容
88

相关内容

知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。 知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的参考。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【EMNLP2020-清华】基于常识知识图谱的多跳推理语言生成
专知会员服务
72+阅读 · 2020年9月25日
【KDD2020】 鲁棒的跨语言知识图谱实体对齐
专知会员服务
24+阅读 · 2020年9月10日
【CIKM2020】推荐系统的神经模板解释生成
专知会员服务
32+阅读 · 2020年9月9日
基于知识图谱的推荐系统研究综述
专知会员服务
318+阅读 · 2020年8月10日
【SIGIR 2020】 基于协同注意力机制的知识增强推荐模型
专知会员服务
88+阅读 · 2020年7月23日
【天津大学】知识图谱划分算法研究综述
专知会员服务
103+阅读 · 2020年4月27日
Github六个知识图谱实战项目推荐
专知
379+阅读 · 2019年6月2日
推荐系统
炼数成金订阅号
27+阅读 · 2019年1月17日
【知识图谱】基于知识图谱的用户画像技术
产业智能官
101+阅读 · 2019年1月9日
携程的旅游知识图谱构建和应用
数据猿
37+阅读 · 2018年12月31日
如何将知识图谱特征学习应用到推荐系统?
微软研究院AI头条
7+阅读 · 2018年6月5日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
6+阅读 · 2018年5月18日
VIP会员
相关资讯
微信扫码咨询专知VIP会员