基于Neo4j圖數據庫的電影知識圖譜構建與電影推薦研究

王卓嵐 張雨琦 陳鳴宇 蘇意淇 宋 凱 董春玲

(中國傳媒大學,北京 100024)

1 引言

隨著我國經濟的騰飛,擁有百余年歷史的我國電影產業呈現出迅猛發展的態勢。大數據時代的互聯網為網絡用戶提供了豐富的影音資源,新冠疫情背景下,線上、線下觀影模式融合互補。與此同時,海量的電影數據也給用戶便捷獲取自己喜愛的電影帶來了挑戰。因而,如何精準地為網絡用戶推薦電影變成了流媒體平臺重點關注的問題。

個性化電影推薦系統研究的主要問題是如何從互聯網海量電影數據中找到每個用戶感興趣的電影,并將這些電影推送給用戶。本文依據知識圖譜可存儲豐富數據及數據間關系的特點,將其引入電影推薦系統進行模型構建。該方法在解決數據稀疏性問題、語義匹配精準度、推薦多樣化和結果可解釋性方面都有較好的效果,對電影推薦技術的發展有一定現實意義。

2 研究背景和意義

2.1 推薦系統研究現狀

近年來,不少相關人士針對電影推薦系統進行了學術研究,同時也提出了相關推薦算法。傳統推薦算法可分為四類:協同過濾推薦、基于內容的推薦、基于人口統計學的推薦和混合推薦。毛德磊等人在論文中改進了協同過濾算法,基于用戶行為一致性、區別性和正負偏好信息提取用戶偏好,融合偏好相似性與評分相似性進行協同過濾推薦；呂學強等人在論文中利用Text Rank、Wor d2 Vec等技術對影評進行關鍵詞抽取和詞向量構建,提出一種結合影評內容相似度和長短期興趣模型來計算電影相似度的推薦方法；……