针对协同过滤算法中用户反馈数据的稀疏性问题，提出一种基于知识库的协同矩阵分解方法.该方法从物品的知识图谱中学习其向量表示，并在此基础上联合地分解反馈矩阵和物品关联度矩阵，两种矩阵共享物品向量，利用物品的语义信息弥补反馈数据的缺失.实验结果表明，该方法显著地提升了矩阵分解模型的推荐效果，在一定程度上解决了协同过滤的冷启动问题.
PDF全文下载地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=20210710