基于知识图谱的协同推荐方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了基于知识图谱的协同推荐方法、装置、设备和存储介质，其中，协同推荐方法包括以下步骤：获取第一目标对物品的评分数据；对评分数据进行预处理；基于经预处理后的评分数据构建与所述物品相关的知识图谱，并获取物品标签；根据物品标签得到第一目标与其余目标之间的相似度；根据第一目标与其余目标之间的相似度得到相似目标，将相似目标的偏爱物品推荐给第一目标。相比于传统技术，本发明专利技术步骤简便，设计合理，在解决了冷启动问题的同时也无需专家标注，极大的减少了人力、时间成本，能够根据用户兴趣为其推荐符合喜好的物品。

Collaborative recommendation methods, devices, devices and storage media based on Knowledge Map

The invention discloses a collaborative recommendation method, device, device and storage medium based on the knowledge map, wherein the collaborative recommendation method comprises the following steps: obtaining the scoring data of the first object on the article; preprocessing the scoring data; constructing the knowledge map related to the article based on the scoring data after preprocessing, and obtaining the article label; obtaining the information according to the article label According to the similarity between the first target and the other targets, we get the similar targets, and recommend the preference items of the similar targets to the first target. Compared with the traditional technology, the invention has the advantages of simple steps and reasonable design, solves the problem of cold start and does not need the expert's mark, greatly reduces the cost of manpower and time, and can recommend the articles according to the user's interest.

【技术实现步骤摘要】
基于知识图谱的协同推荐方法、装置、设备和存储介质
本专利技术涉及计算机软件
，尤其是基于知识图谱的协同推荐方法、装置、设备和存储介质。
技术介绍
在大数据时代，人们往往陷入信息过载的困境，这时推荐系统应运而生，并很快在音乐、电影、电子商务等领域成功地应用。推荐系统能够准确的给用户推荐感兴趣的音乐、电影或商品，不仅帮助用户节省了很多时间，还高效地推销了产品，因此，推荐系统得到了业界和学术界的广泛关注。目前，推荐系统主要采用内容推荐方式和协同推荐方式，内容推荐方式通过将物品转化为内容向量然后计算其相似度，从而推荐与特定用户喜好类似的物品，但该方法需要专家标注，这将产生极大的人力、时间等成本；协同推荐方式存在冷启动问题。
技术实现思路
为了解决上述问题，本专利技术的目的是提供基于知识图谱的协同推荐方法、装置、设备和存储介质，在解决了冷启动问题的同时也无需专家标注，极大的减少了人力、时间成本，能够根据用户兴趣为其推荐符合喜好的物品。为了弥补现有技术的不足，本专利技术实施例采用的技术方案是：第一方面提供了基于知识本文档来自技高网...

【技术保护点】
1.基于知识图谱的协同推荐方法，其特征在于，包括以下步骤：/n获取第一目标对物品的评分数据；/n对评分数据进行预处理；/n基于经预处理后的评分数据构建与所述物品相关的知识图谱，并获取物品标签；/n根据物品标签得到第一目标与其余目标之间的相似度；/n根据第一目标与其余目标之间的相似度得到相似目标，将相似目标的偏爱物品推荐给第一目标。/n

【技术特征摘要】
1.基于知识图谱的协同推荐方法，其特征在于，包括以下步骤：
获取第一目标对物品的评分数据；
对评分数据进行预处理；
基于经预处理后的评分数据构建与所述物品相关的知识图谱，并获取物品标签；
根据物品标签得到第一目标与其余目标之间的相似度；
根据第一目标与其余目标之间的相似度得到相似目标，将相似目标的偏爱物品推荐给第一目标。


2.根据权利要求1所述的基于知识图谱的协同推荐方法，其特征在于，所述的对评分数据进行预处理，包括以下步骤：
将物品的评分数据的属性设置为偏好程度依次递增的Q级评分属性；
滤除评分数据中属性缺失以及属性异常的数据；
将Q级评分属性转换为两级偏好属性，生成包含第一目标序号、物品名称和偏好属性的数据集。


3.根据权利要求2所述的基于知识图谱的协同推荐方法，其特征在于，所述基于经预处理后的评分数据构建与所述物品相关的知识图谱，并获取物品标签，包括以下步骤：
采用Babelfy将物品与DBpedia进行链接，在链接过程中保留与数据集相关的内容，从而构建出与所述物品相关的知识图谱；
采用node2vec读取知识图谱，生成物品的标签向量。


4.根据权利要求3所述的基于知识图谱的协同推荐方法，其特征在于，所述根据物品标签得到第一目标与其余目标之间的相似度，包括以下步骤：
从标签向量中筛选出目标偏好向量；
计算目标偏好向量间的余弦相似度，得到第一目标与其余目标之间的相似度。


5.根据权利要求1或4所述的基于知识图谱的协同推荐方法，其特征在于，所述根据第一目标与其余目标之间的相似度得到相似目标，将相似目标的偏爱物品推荐给第一目标，包括以下步骤：
按照第一目标与其余目标之间的相似度，对其余目标按从大到小的顺序进行排序，筛选...

【专利技术属性】
技术研发人员：黄伟嘉，李千目，龙华秋，刘耀宗，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44