科创中国
一种基于知识图谱和强化学习的电影推荐方法及系统
成果类型：: 发明专利
发布时间: 2023-10-16 10:27:37
科技成果产业化落地方案
方案提交机构：成果发布人| 涂媛 | 2023-10-16 10:27:37
本公开提出了一种基于知识图谱和强化学习的电影推荐方法及系统，包括获取电影网站的日志数据，提取特征参数数据以及基于知识图谱提取知识特征；将提取的参数数据以及知识特征传输至训练好的W i de&Deep模型进行个性化召回，获得候选集；对候选集的数据进行个性化排序，对候选集中的数据进行评分，输出电影点击率，将点击率高于设定阈值的电影作为推荐结果；采用强化学习优化deep模型的输入向量，优化推荐结果。本公开通过将知识图谱作为辅助的信息，改善了因数据缺失而导致的数据稀疏性问题，通过使用强化学习将用户的活跃度等反馈信息作为奖励机制进一步优化推荐算法，使得推荐结果更加精准，最大化提高用户满意度。
本公开为了解决上述问题，提出了一种基于知识图谱和强化学习的电影推荐方法，通过将知识图谱作为辅助的信息，改善了因数据缺失而导致的数据稀疏性问题，通过使用强化学习将用户的活跃度等反馈信息作为奖励机制进一步优化推荐算法，使得推荐结果更加精准，最大化提高用户满意度。
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，并不必然构成在先技术。
随着互联网快速发展和信息的爆炸式增长，逐渐的从过去的信息匮乏时代跨入了信息过载时代。对于电影网站，电影的数量、电影的类别以及网站其他维度信息都比之前出现了快速的增长，导致用户不能快速准确地从一个网站中寻找到自己感兴趣的电影。
发明人发现，当下已有的电影网站或者缺乏针对电影和用户的属性特征的个性化推荐，或者都是基于传统的协同过滤算法来落地其个性化推荐系统。协同过滤算法通过基于用户的历史观看记录以及用户对电影的历史评分等信息来计算相似度，进而发现用户对于某一类电影的偏好，实现网站对用户的电影推荐。然而，在实际场景中，用户和网站的交互信息往往是非常稀疏的，比如一个电影网站可能包含几十万部电影，但是用户打过分的电影可能平均只有几十部，用如此少量的电影评分数据来预测大量的未知电影的评分数据会极大的增加算法过拟合的风险；此外基于协同过滤算法的推荐系统存在明显的冷启动问题，即对于新加入的用户和电影，由于网站没有其历史行为交互信息，因此无法准确的进行建模和推荐；最后传统推荐系统的推荐方法将推荐视为一步预测任务，其推荐过程是静态的，这忽略了用户偏好的动态变化性，影响了通过推荐算法获得的推荐结果的满意度。因此，在传统的电影网站中，其推荐算法因数据的稀疏性导致推荐性能较差；此外，传统的推荐方法将推荐视为一步预测任务，考虑的因素不够全面，其推荐过程一个静态的过程，导致推荐结果不准确，影响用户的满意度。
此技术是山东师范大学吕蕾研发，山东师范大学，位于山东省济南市，宗旨和业务范围是“面向社会培养高等学历师资人才，进行成人教育，促进教育事业发展”。
与现有技术相比，本公开的有益效果为：
(1)本公开通过将知识图谱作为辅助的信息，改善了因数据缺失而导致的数据稀疏性问题，通过使用强化学习将用户的活跃度等反馈信息作为奖励机制进一步优化推荐算法，使得推荐结果更加精准，最大化提高用户满意度。
(2)本公开增加了一个强化学习的优化模块，增加了推荐效果的实时性。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app