一种协同过滤推荐算法

　　协同过滤是至今应用最广泛的推荐技术，已经成功地应用于电子商务、网上学习和新闻媒体等工业界领域，在学术界内也一直受到大量学者关注。协同过滤推荐主要根据用户对资源的历史行为信息，寻找用户或者资源的近邻集合，以此来计算用户对资源的偏好值。

　　针对协同过滤算法仅使用物品一用户评分矩阵而未考虑语义的问题，提出一种协同过滤推荐算法。使用知识图谱表示学习方法，将业界已有的语义数据嵌入一个低维的语义空间中。通过计算物品之间的语义相似性，将物品自身的语义信息融入协同过滤推荐。算法弥补了协同过滤算法没有考虑物品本身内涵知识的缺陷，在语义层面上增强了协同过滤推荐的效果。实验结果表明，该算法能够有效地提升协同过滤推荐的准确率、召回率和F值。