知识图谱和PTransD模型在农产品推荐系统中的研究与应用

作     者：张魁 

作者单位：南昌大学 

学位级别：硕士

导师姓名：张卫平;唐国林

授予年度：2022年

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：知识图谱 农产品推荐 知识表示学习 PTransD模型 协同过滤 

摘      要：农产品电商作为乡村发展的关键路径之一,对于解决三农问题有着重要的影响。如何向用户推荐符合其兴趣偏好的农产品,成为农产品电商亟待解决的问题。传统的推荐方法虽然有效,但是存在着数据稀疏性与冷启动的问题,且忽略了农产品本身的语义信息,从而导致推荐结果解释性不足。知识图谱作为一种描述实体间链接关系的语义网络,将其应用于推荐系统中能够有效缓解传统推荐系统的缺陷。本文提出了一种融合知识表示与协同过滤的推荐算法PTransD-CF（Path-based Trans D With Collaborative Filtering）,并获得了更优的农产品推荐效果。本文所做工作如下。（1）农产品知识图谱构建。对获取的农产品相关数据进行预处理,提出了一种以依存句法分析为核心的三元组抽取算法。基于该算法对农产品文本进行语句成分的分析和三元组的抽取,最终利用图数据库Neo4j对三元组集合进行保存,实现农产品知识图谱的搭建。（2）融合知识表示与协同过滤的推荐算法PTransD-CF。针对传统的协同过滤推荐算法只考虑用户历史行为数据,忽略了农产品本身的语义信息的问题,提出了融合知识表示与协同过滤的推荐算法PTransD-CF,该算法将知识图谱的农产品语义相似度和协同过滤算法的农产品评分相似度进行结合,最终得到融合的农产品相似度,实现了对传统的协同过滤推荐算法农产品语义信息的补充。并通过实验验证了PTransD-CF算法的有效性。（3）研发面向农产品推荐需要的电子商务平台。基于本文所提出的融合知识表示与协同过滤的推荐算法PTransD-CF,使用软件工程的方法对食用农产品电子商务平台进行设计与实现。经测试表明该系统在功能与性能方面表现优异。