一种基于位置服务领域的知识图谱的推荐方法技术

本发明专利技术公开一种基于位置服务领域的知识图谱的推荐方法，抽取位置实体，得实体集作为知识图谱的种子集；将种子集与知识图谱中实体对应，构成实体对应表；将知识图谱中知识图谱三元组，通过Word2Vec模型将词汇嵌入n维空间中，生成对应的向量，得到位置或领域实体向量集E和关系向量集R，用TransE算法对实体向量集E和关系向量集R进行翻译，得到能够快速计算实体间的语义相似性的三元组向量集；根据位置或领域实体向量集E，分别计算搜索位置或领域间的语义相似性simA,B(A，B)，生成旅游位置的语义相似性矩阵；用语义相似性矩阵进行Top‑k推荐列表，将推荐列表按机器学习聚类算法进行聚类，将类聚结果推荐给用户。该方法推荐精度高，解决冷启动和稀疏性问题。

A Recommendation Method of Knowledge Map Based on Location-based Service Domain

The invention discloses a recommendation method of knowledge atlas based on location service field, which extracts location entities and gets them as seed sets of knowledge atlas; corresponds seed sets to entities in knowledge atlas to form entity corresponding tables; embeds words into n-dimensional space through Word2Vec model, generates corresponding vectors, and obtains position or lead. The domain entity vector set E and the relational vector set R are translated by TransE algorithm to get the triple vector set which can quickly calculate the semantic similarity between entities. According to the location or domain entity vector set E, the semantic similarity simA, B (A, B) of search location or domain are calculated respectively to generate the semantic similarity matrix of tourism location. Similarity matrix carries out Top_k recommendation list, clustering recommendation list according to machine learning clustering algorithm, and recommending clustering results to users. This method has high recommendation accuracy and solves the problems of cold start and sparsity.

【技术实现步骤摘要】
一种基于位置服务领域的知识图谱的推荐方法
本专利技术涉及推荐算法
，具体是一种基于位置服务领域的知识图谱的推荐方法。
技术介绍
随着人们生活水平的日益提高，据统计，每年都有几十亿人次的旅游量，而很多人没有很好的旅游目标，为了实现这一目标，就需要一个对用户兴趣位置或类型的精准推荐，而现有的推荐系统只使用用户和位置热度或评分的交互信息作为输入，这会带来两个问题：第一，在实际场景中，用户和位置热度的交互信息往往是非常单一的，并且评分往往是稀疏的，例如，一个用户可能喜欢更自然风光的城市，而当前位置热度是一个偏向文化古城的城市，这使得用户往往需要查询很久才能找到符合自己旅游兴趣的位置或者可能会降低用户的旅游意愿，并且如果一个APP有几万用户，而只有少量用户会认真评分，导致稀疏，这会极大地增加算法的过拟合(overfitting)风险；第二，对于新加入的用户，由于系统没有其历史交互信息，因此无法进行准确地建模和推荐，这种情况也叫做冷启动问题(coldstartproblem)。解决稀疏性和冷启动问题的一个常见思路是在推荐算法中额外引入一些辅助信息(sideinformation)作为输入。本文档来自技高网...

【技术保护点】
1.一种基于位置服务领域的知识图谱的推荐方法，其特征在于，包括如下步骤：1)从用户的搜索内容或从用户的历史记录中抽取位置实体，得到实体集，实体集作为知识图谱KG的种子集；2)将种子集与知识图谱KG中的实体进行一一对应，构成实体对应表；3)将知识图谱KG中的头实体(h)、尾实体(t)与实体之间的关系(r)组成的富有语义信息的知识图谱三元组，通过Word2Vec模型将词汇嵌入到一个n维空间中，并生成对应的向量，从而得到位置或领域实体向量集E和关系向量集R，并运用TransE算法对实体向量集E和关系向量集R进行翻译，得到一个能够快速计算实体间的语义相似性的三元组向量集，使在知识图谱中相似的实体，在低...

【技术特征摘要】
1.一种基于位置服务领域的知识图谱的推荐方法，其特征在于，包括如下步骤：1)从用户的搜索内容或从用户的历史记录中抽取位置实体，得到实体集，实体集作为知识图谱KG的种子集；2)将种子集与知识图谱KG中的实体进行一一对应，构成实体对应表；3)将知识图谱KG中的头实体(h)、尾实体(t)与实体之间的关系(r)组成的富有语义信息的知识图谱三元组，通过Word2Vec模型将词汇嵌入到一个n维空间中，并生成对应的向量，从而得到位置或领域实体向量集E和关系向量集R，并运用TransE算法对实体向量集E和关系向量集R进行翻译，得到一个能够快速计算实体间的语义相似性的三元组向量集，使在知识图谱中相似的实体，在低维空间里面的距离相近，头实体的向量加上关系向量基本等于尾实体的向量；4)根据步骤3)得到的位置或领域实体向量集E，分别计算搜索位置或领域间的语义相似性simA,B(A，B)，生成旅游位置的语义相似性矩阵；5)根据步骤4)得到的语义相似性矩阵进行Top-k推荐列表，再将推荐列表按机器学习聚类算法进行聚类得到结果，然后将聚类结果作为最终推荐结果推荐给用户。2.根据权利要求1所述的一种基于位置服务领域的知识图谱的推荐方法，其特征在于，步骤1)中，从用户的历史记录中抽取位置实体，需要将抽取的实体经过实体消歧处理。3.根据权利要求1所述的一种基于位置服务领域的知识图谱的推荐方法，其特征在于，步骤3)中，所述的TransE算法，是将知识图谱中的实体与关系嵌入一个低维的向量空间中，同时将实体与关系转化为向量表示，具体是对向量集E和R组成的三元组向量集进行训练，对于知识图谱KG中的一个三元组(h，r，t)，用如下的损失公式进行训练：公式(1)中，γ为间距大小，一般设...

【专利技术属性】
技术研发人员：罗笑南，宋秀来，钟艳如，李芳，汪华登，李一媛，刘忆宁，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45