Storm分布式计算框架下基于知识图谱的快速学习资源推荐

作     者：刘莹 杨淑萍 张治国 LIU Ying;YANG Shuping;ZHANG Zhiguo

作者机构：辽宁师范大学教育学院辽宁大连116000 河海大学机电工程学院江苏南京211100 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2024年第44卷第3期

页      面：93-99页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62072220)资助项目 

主　　题：资源推荐 知识图谱 Storm框架 长短时间记忆 TransD模型 

摘      要：针对在线学习资源推荐存在精度较低或实时性较差的问题,采用知识图谱进行用户及资源的知识表示,并采用长短时间记忆网络对用户资源特征差进行优化,从而将与用户特征差最小的资源推送给用户。首先,在获得在线学习记录样本后,利用知识图谱进行实体特征关系的知识表示,并借助Storm分布式框架生成知识图谱中头尾实体及关系特征向量。接着,建立用户-资源实体的最小特征差目标函数,并采用长短时间记忆网络对最小特征差目标函数进行优化。最后,通过Storm分布式平台进行长短时间记忆网络的参数求解,从而快速生成稳定的相关资源推荐模型。实验结果表明,在Storm分布式框架下采用知识图谱和长短时间记忆网络实现在线资源推荐,可获得较高准确率及运行效率,在应对大规模资源的实时推荐方面具有较强的适应度。