基于知识图谱的强化学习推荐算法研究.pdfVIP

总第891期第20期河南科技

计算机与人工智能

2024年10月HenanScienceandTechnology

基于知识图谱的强化学习推荐算法研究

柳家栋

（河南财经政法大学计算机与信息工程学院，河南郑州450046）

摘要：【目的目的】针对基于知识图谱的强化学习推荐算法只考虑推荐结果的可解释性，没有考虑推

荐结果的多样性问题，提出一种新的基于知识图谱的强化学习推荐算法。在解决推荐结果可解释

性问题的基础上，提高推荐结果的多样性和准确性。【方法方法】通过提出一种针对推荐结果多样性的

评价指标ETD，并在算法的路径推理模块中引入Random_Beam_Search搜索算法，提高推荐结果的

多样性。同时，强化学习模块引入注意力机制，提高推荐结果的准确性。【结果结果】与具有可解释性的

PGPR推荐算法相比，该推荐算法在Beauty数据集上推荐结果多样性提高了28.4%，准确性提高了

0.056百分点；在Clothing数据集上推荐结果准确性提高了0.035百分点。【结论结论】该推荐算法不仅解

决了推荐系统的可解释性问题，还提高了推荐结果的多样性与准确性。

关键词：推荐算法；知识图谱；多样性

中图分类号：TP187文献标志码：A文章编号：1003-5168（2024）20-0031-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.20.006

ResearchonReinforcementLearningRecommendationAlgorithm

BasedonKnowledgeGraph

LIUJiadong

(CollegeofComputerandInformationEngineering,HenanUniversityofEconomicsandLaw,Zhengzhou

450046,China)

Abstract:[Purposes]Inresponsetotheproblemthatknowledgegraphbasedreinforcementlearningrec⁃

ommendationalgorithmsonlyconsidertheinterpretabilityofrecommendationresultswithoutconsidering

thediversityofrecommendationresults,thispaperproposesanewknowledgegraphbasedreinforcement

learningrecommendationalgorithmtoimprovethediversityandaccuracyofrecommendationresults

whilesolvingtheinterpretabilityproblemofrecommendationresults.[Methods]Thisarticleproposesan

evaluationmetricETDforthediversityofrecommendationresults,andintroducestheRan⁃

dome_Beam_Searchsearchalgor