一种基于本体的推荐系统及其在《星际迷航》电视剧集中的应用

基于协同过滤的推荐系统在用户关于条目的偏好数据充足的情况下已被证明极为成功。然而，协同过滤算法受限于其对条目冷启动问题的薄弱应对以及普遍缺乏可解释性。基于本体的推荐系统利用用户与条目的层级组织来增强浏览、推荐和画像构建。虽然基于本体的方法弥补了协同过滤的不足，但对于大多属于同一类别的条目（例如电视剧集），其本体组织难以获取。本文提出一种基于本体的推荐系统，其整合了大型文学主题本体中所表示的知识以生成虚构内容推荐。本工作的主要创新在于一种基于本体的条目间相似度计算方法，及其与经典 Item-KNN（K 近邻）算法的融合。作为一个研究案例，我们在条目冷启动场景下，通过对《星际迷航》电视剧集集合执行经典的评分预测任务，将所提方法与其他方法进行了评估。这一横向评估为推荐系统开发初期不同信息资源和方法的效用提供了见解。我们发现，对于大多相似的条目集合，所提方法是协同过滤方法的一种便利替代方案，尤其在基于内容的其他方法不适用或不可用时。除新方法外，本文还贡献了一个供未来研究的测试平台，以及一个协作扩展文学主题本体以覆盖其他叙事内容的在线框架。