22、电影推荐与石化供应链风险管理研究

电影推荐与石化供应链风险管理研究

一、电影推荐算法相关研究

1.1 知识图谱数据处理

知识图谱中的数据处理涵盖结构化数据、文本数据和图片数据。
- 结构化数据 ：可看作由不同类型实体和关系构成的网络，实体间关系越多，相似度越高。
- 文本数据 ：指电影描述的概述，利用 Doc2Vec 算法提取电影剧情概述的嵌入向量。因为电影描述越相似，用户对这些相似电影的兴趣可能越高。
- 图片数据 ：即电影海报信息，使用重新设计的 CAE 算法提取电影海报的嵌入向量，并重建内部神经网络进行特征提取。若电影海报的风格和元素相似，电影间的相似度可能更高。

1.2 构建相似度矩阵

由于获取的都是嵌入向量，使用欧几里得距离分别计算相似度矩阵。对于两部电影 i 和 j，它们之间的距离 d(i, j) 计算公式如下：
[d(i, j) = d(j, i) = \sqrt{\sum_{k = 1}^{dim}(i_k - j_k)^2}]

1.3 加权排序推荐

• 首先使用 BPR 为用户推荐 TOP - B 电影，权重为 wBPR；推荐 TOP - S 电影，权重为 wstruct。
• 对于文本信息，选择 TOP - T 电影，权重为 wtext。
• 由于图像信息准确性相对较低，选择一部电影，权重为 wfigure。且满足 wBPR > wsturct > wtext > wfigure。