【技术实现步骤摘要】
一种基于知识图谱嵌入的动态推荐方法及系统
本专利技术属于信息处理
,更具体地,涉及一种基于知识图谱嵌入的动态推荐方法及系统。
技术介绍
知识图谱对推荐系统十分有用,目前关于知识图谱用于预测和推荐的研究主要集中在知识图谱的嵌入方法上。知识图谱嵌入可以把复杂的异构有向图转换为符合一定特征的低维向量或者线性变换。传统的方法一般可分为翻译距离法、匹配语义法和神经网络法。传统的推荐系统中使用的知识图谱嵌入算法有以下两个缺点。(1)由于每次对知识图谱进行嵌入时,都要将整个知识图谱进行重新学习与嵌入,在实际使用中,推荐系统不可避免地需要对用户的数据进行实时与动态更新,而传统方法显然对于动态更新是十分繁琐而低效的,每次更新都对整个知识图谱进行重新嵌入将会大大影响用户的体验和整个推荐系统的有效性。(2)对于一些有明确规则且数据量较少的数据,缺少大量数据学习的知识图谱嵌入缺乏准确性,往往做出轻率错误的判断,不能有效利用现存的知识,从而影响用户对推荐系统的体验。
技术实现思路
针对现有技术的至少一个缺陷或改进需求,本专利技术提供了一种基于知识图谱嵌入的动态推荐方法、系统及存储介质,能够减少知识图谱的冗余学习过程,使用户每次数据更新或者有了新的倾向与喜好时,能够迅速地更新整个知识图谱,大大提高整个动态推荐的可靠性与稳定性。为实现上述目的,按照本专利技术的第一方面,提供了一种基于知识图谱嵌入的动态推荐方法,包括步骤:接收输入的查询事实,在知识图谱中查找是否存在所述查询事实,若存在所述查 ...
【技术保护点】
1.一种基于知识图谱嵌入的动态推荐方法,其特征在于,包括步骤:/n接收输入的查询事实,在知识图谱中查找是否存在所述查询事实,若存在所述查询事实,则直接输出推荐结果,若不存在所述查询事实,则更新所述知识图谱后再输出推荐结果;/n其中,所述更新所述知识图谱实现如下:/n获取受所述查询事实影响的其他事实;/n分别获取所述查询事实的关联子图和所述其他事实的关联子图;/n分别将所述查询事实的关联子图和所述其他事实的关联子图输入到图卷积神经网络,以分别输出所述查询事实的关联子图的嵌入向量和所述其他事实的关联子图的嵌入向量;/n将所述查询事实的原始嵌入向量与所述查询事实的关联子图的嵌入向量进行结合,获取所述查询事实的上下文嵌入向量,将所述其他事实的原始嵌入向量与所述其他事实的关联子图的嵌入向量进行结合,获取所述其他事实的上下文嵌入向量,将所述查询事实的原始嵌入向量、所述其他事实的原始嵌入向量、所述查询事实的关联子图的嵌入向量、所述其他事实的关联子图的嵌入向量、所述查询事实的上下文嵌入向量和所述其他事实的上下文嵌入向量保存在所述知识图谱中。/n
【技术特征摘要】
1.一种基于知识图谱嵌入的动态推荐方法,其特征在于,包括步骤:
接收输入的查询事实,在知识图谱中查找是否存在所述查询事实,若存在所述查询事实,则直接输出推荐结果,若不存在所述查询事实,则更新所述知识图谱后再输出推荐结果;
其中,所述更新所述知识图谱实现如下:
获取受所述查询事实影响的其他事实;
分别获取所述查询事实的关联子图和所述其他事实的关联子图;
分别将所述查询事实的关联子图和所述其他事实的关联子图输入到图卷积神经网络,以分别输出所述查询事实的关联子图的嵌入向量和所述其他事实的关联子图的嵌入向量;
将所述查询事实的原始嵌入向量与所述查询事实的关联子图的嵌入向量进行结合,获取所述查询事实的上下文嵌入向量,将所述其他事实的原始嵌入向量与所述其他事实的关联子图的嵌入向量进行结合,获取所述其他事实的上下文嵌入向量,将所述查询事实的原始嵌入向量、所述其他事实的原始嵌入向量、所述查询事实的关联子图的嵌入向量、所述其他事实的关联子图的嵌入向量、所述查询事实的上下文嵌入向量和所述其他事实的上下文嵌入向量保存在所述知识图谱中。
2.如权利要求1所述的一种基于知识图谱嵌入的动态推荐方法,其特征在于,还包括步骤:预先定义逻辑规则,基于所述逻辑规则对所述查询事实进行逻辑推理,输出推荐结果。
3.如权利要求1或2所述的一种基于知识图谱嵌入的动态推荐方法,其特征在于,还包括步骤:预先训练所述图卷积神经网络,在更新所述知识图谱的过程中,所述图卷积神经网络的参数保持不变。
4.如权利要求1或2所述的一种基于知识图谱嵌入的动态推荐方法,其特征在于,采用线性变换矩阵或距离模型对所述知识图谱中的关系进行建模。
5.如权利要求2所述的一种基于知识图谱嵌入的动态推荐方法,其特征在于,所述基于所述逻辑规则对所述查询事实进行逻辑推理包括步骤:
判断所述查询事实的数据类型,若所述查询事实为复合数据,则对所述查询事实进行分解,然后对分解后的数据进行预处理,若为原子数据,则直接对所述查询事实进行预处理;
基于所述逻辑规则对预处理后的数据进行合一过滤,输出替换信息子集;
根据所述替换信息子集对所述查询事实进行替换,...
【专利技术属性】
技术研发人员:黄梦醒,杨自强,冯思玲,冯文龙,张雨,
申请(专利权)人:海南大学,
类型:发明
国别省市:海南;46
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。