【技术实现步骤摘要】
一种利用知识图谱中多跳路径特征的个性化推荐方法
本专利技术属于在线购物的个性化推荐
，更具体地，涉及一种利用知识图谱中多跳路径特征的个性化推荐方法。
技术介绍
个性化推荐是在线购物推荐领域的重要策略，目的是通过基于已知的用户历史行为数据集进行更精确的计算，来产生更符合用户个性化兴趣的购物偏好预测结果，提高商品推荐任务的准确性。近几年来，应用在互联网购物平台中的个性化推荐方法层出不穷，如逻辑回归(LogicRegression)、因子分解机(FactorizationMachine)、贝叶斯个性化推荐方法(BayesianPersonalizedRanking)等。这些模型通过不同方式对已知的用户行为数据特征进行分析和组合，在在线购物的个性化推荐任务中表现出优势。但是这些模型没有对已知的用户行为数据特征的重要程度进行分析，并考虑用户行为特征的多跳路径关系传播对用户购物偏好推荐的影响，而在实际推荐情境中，用户行为数据多跳路径特征包含了更多的用户偏好信息，对提高个性化购物推荐结果的准确性有重要帮助。专利技术内...
【技术保护点】
1.一种利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，包括以下步骤：/n(1)融合用户和物品的属性以及它们之间的关系构建用于推荐的知识图谱，并用邻接矩阵表示，所述物品为用户所购买的商品；/n(2)基于构建的所述知识图谱中的多跳路径特征，建立用户-物品关系预测模型；/n(3)采用随机梯度下降法训练得到用户-物品关系预测模型中的参数；/n(4)基于用户-物品关系预测模型的计算结果，得到用户的TOP-N推荐物品序列。/n
【技术特征摘要】
1.一种利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，包括以下步骤：
(1)融合用户和物品的属性以及它们之间的关系构建用于推荐的知识图谱，并用邻接矩阵表示，所述物品为用户所购买的商品；
(2)基于构建的所述知识图谱中的多跳路径特征，建立用户-物品关系预测模型；
(3)采用随机梯度下降法训练得到用户-物品关系预测模型中的参数；
(4)基于用户-物品关系预测模型的计算结果，得到用户的TOP-N推荐物品序列。
2.根据权利要求1所述的利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，所述步骤(1)具体为：
对于已知的m个用户-n个物品，有反馈数据矩阵：
其中，cij表示第i个用户对第j个物品的反馈，值为1表示正反馈，为0表示负反馈或无反馈；
通过进一步收集用户个人信息、社交关系，并将物品通过实体链接方法链接到外部知识图谱，构建包含用户实体、物品实体、用户属性实体、物品属性实体的知识图谱，以邻接矩阵的形式记录为：
其中，p为矩阵的维度，p＞max(m，n)；aij记录第i个实体和第j个实体之间的关系，包括用户-用户、用户-物品、物品-物品、用户-用户属性以及物品-物品属性之间的关系。
3.根据权利要求2所述的利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，所述用户-用户之间的关系aij定义为：
aij＝1表示用户实体i和用户实体j之间在收集的数据中存在社交关系；aij＝0表示用户实体i和用户实体j之间不存在社交关系。
4.根据权利要求2或3所述的利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，所述用户-物品之间的关系aij定义为：
用户实体i-物品实体j对应的aij值即为在矩阵Cm×n中的cij值。
5.根据权利要求2或3所述的利用知识图谱中多跳路径特征的个性化推荐方法，其特征在于，所述物品-物品之间的关系aij定义为：
aij＝1表示物品i和物品j在知识图谱中共现于同一个三元组中，即物品i、关系、物品j是知识图谱中已有的三元组；反之aij＝0表示物品i、关系、物品j不是知识图谱中已有的三元组。
6.根据权利要求2或3所述的利用知识图谱中多跳路径特征的个性化推荐方...
【专利技术属性】
技术研发人员：刘俊涛，饶子昀，曹万华，张毅，王振杰，王军伟，高子文，周莹，
申请(专利权)人：中国船舶重工集团公司第七零九研究所，
类型：发明
国别省市：湖北;42
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。