一种基于协同知识图谱的个性化推荐方法技术

本发明专利技术提供一种基于知识图谱的个性化推荐方法，包括：S1、将用户集中的用户与物品集中的物品的历史交互数据和原有知识图谱结合到协同知识图谱中，在所述协同知识图谱中将用户与其交互物品在知识图谱中对应的实体使用有向边进行连接；S2、用四元数向量表示协同知识图谱中的每一个实体和关系；S3、采用注意力机制将实体的四元数嵌入沿着协同知识图谱的路径进行偏好传播与聚合；S4、基于完成偏好传播与聚合后的协同知识图谱，构建偏好分数预测函数计算每个用户与不同物品的偏好分数；S5、采用损失函数联合优化协同知识图谱的嵌入和偏好分数预测函数；S6、采用优化后的偏好分数预测函数预测用户对新物品的偏好分数，得到针对用户的新物品推荐列表。

【技术实现步骤摘要】
一种基于协同知识图谱的个性化推荐方法
本专利技术涉及多媒体领域和自然语言处理领域，具体来说涉及知识图谱的个性化推荐领域，更具体地说，涉及一种基于协同知识图谱的个性化推荐方法。
技术介绍
随着互联网的迅速发展，人们可获得的数据量呈指数级别增长，面对信息过载，用户很难从众多候选物品中挑选出自己真正感兴趣的物品。为了改善用户体验，给用户提供个性化的建议，推荐系统得到广泛应用。推荐系统中最为常用的算法是协同过滤算法，它根据历史的用户-物品交互信息计算用户相似度，从而进行推荐。这种算法通常是有效的，但是当历史用户-物品交互信息比较稀疏以及面对冷启动问题时，其性能大打折扣。为此，研究人员使用混合的推荐算法，将用户或物品的辅助信息引入协同过滤算法，作为对稀疏交互数据的补充，从而提高推荐算法的性能。在多种多样的辅助信息中，知识图谱基于其易于获取、语义信息丰富、结构优良的有点，受到研究人员的广泛关注。将知识图谱引入推荐系统，利用其丰富的语义信息对用户-物品交互信息进行补充，有利于提高推荐结果的准确性；此外，知识图谱的连接结构，也有助于推荐结果的多样性和可本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的个性化推荐方法，用于为用户进行新物品推荐，其特征在于，包括：/nS1、将用户集中的用户与物品集中的物品的历史交互数据和原有知识图谱结合到协同知识图谱中，在所述协同知识图谱中将用户与其交互物品在知识图谱中对应的实体使用有向边进行连接；/nS2、用四元数向量表示协同知识图谱中的每一个实体和关系；/nS3、采用注意力机制将实体的四元数嵌入沿着协同知识图谱的路径进行偏好传播与聚合；/nS4、基于完成偏好传播与聚合后的协同知识图谱，构建偏好分数预测函数计算每个用户与不同物品的偏好分数；/nS5、采用损失函数联合优化协同知识图谱的嵌入和偏好分数预测函数；/nS6、采用优化后的偏好分数...

【技术特征摘要】
1.一种基于知识图谱的个性化推荐方法，用于为用户进行新物品推荐，其特征在于，包括：
S1、将用户集中的用户与物品集中的物品的历史交互数据和原有知识图谱结合到协同知识图谱中，在所述协同知识图谱中将用户与其交互物品在知识图谱中对应的实体使用有向边进行连接；
S2、用四元数向量表示协同知识图谱中的每一个实体和关系；
S3、采用注意力机制将实体的四元数嵌入沿着协同知识图谱的路径进行偏好传播与聚合；
S4、基于完成偏好传播与聚合后的协同知识图谱，构建偏好分数预测函数计算每个用户与不同物品的偏好分数；
S5、采用损失函数联合优化协同知识图谱的嵌入和偏好分数预测函数；
S6、采用优化后的偏好分数预测函数预测用户对新物品的偏好分数，得到针对用户的新物品推荐列表。


2.根据权利要求1所述的一种基于知识图谱的个性化推荐方法，其特征在于，在所述协同知识图谱中，所述实体包括用户集中的用户、物品集中的物品、原有知识图谱中的其他原有实体；所述关系包括用户与物品的历史双向交互关系和原有知识图谱中的其他原有关系。


3.根据权利要求2所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述步骤S2包括:
S21、用四元数向量表示协同知识图谱中的实体和关系，其中，协同知识图谱中包含多个由头实体、关系、尾实体组成的三元组，每个三元组中的头实体、关系、尾实体均用四元数向量表示，得到其各自对应的初始四元数嵌入；
S22、求取三元组中关系的初始四元数嵌入对应的共轭四元数嵌入，并分别对关系的初始四元数嵌入以及其对应共轭四元数嵌入进行标准化；
S23、使用汉密尔顿乘积对头实体的初始四元数嵌入和尾实体的初始四元数嵌入进行旋转，分别获得旋转后的头实体的四元数嵌入和旋转后的尾实体的四元数嵌入；
S24、计算旋转后的头实体的四元数嵌入与旋转后的尾实体的四元数嵌入之间的内积以度量该头实体和尾实体所在三元组的可信度；
S25、在协同知识图谱中随机抽取实体替换已存在的三元组中的尾实体以构建多个新的三元组，基于构建的新的三元组和协同知识图谱中已存在的三元组对协同知识图谱的损失函数进行更新，以使协同知识图谱中已存在的三元组的可信度高于新构建的三元组。


4.根据权利要求3所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述步骤S21中:
头实体的初始四元数向量表示为:wh＝ah+bhi+chj+dhk，其中，h表示头实体，ah、bh、ch、dh为维度为l的实数向量，i,j,k为虚数单位数，满足汉密尔顿规则i2＝j2＝k2＝ijk＝-1；
尾实体的初始四元数向量表示为：wt＝at+bti+ctj+dtk，其中，t表示尾实体，at、bt、ct、dt为维度为l的实数向量；
关系的初始四元数向量表示：wr＝ar+bri+crj+drk，其中，r表示关系，ar、br、cr、dr为维度为l的实数向量。


5.根据权利要求4所述的一种基于知识图谱的个性化推荐方法，其特征在于，在所述步骤S22中：
所述关系的初始四元数嵌入对应的共轭四元数嵌入为：
对关系的初始四元数嵌入和对应共轭四元数嵌入通过如下方式进行标准化：
其中，是标准化的关系初始四元数嵌入，是标准化的关系共轭四元数嵌入，a′r,b′r,c′r,d′r是标准化的关系初始四元数嵌入对应的实数向量，是标准化的关系共轭四元数嵌入对应的实数向量，|wr|与分别表示wr与的模长。


6.根据权利要求5所述的一种基于知识图谱的个性化推荐方法，其特征在于，在所述步骤S23中，通过如下方式对头实体和尾实体进行旋转：
计算头实体的初始四元数嵌入与标准化的关系的四元数嵌入之间的汉密尔顿乘积，获得旋转后的头实体的四元数嵌入：






其中w′h表示旋转后的头实体四元数嵌入，a′h,b′h,c′h,d′h表示旋转后的头实体四元数嵌入对应的实数向量，⊙表示两个实数向量之间的哈达马乘积；
计算尾实体的初始四元数嵌入与标准化的关系的四元数共轭嵌入之间的汉密尔顿乘积，获得旋转后的尾实体的四元数嵌入：



其中，w′t表示旋转后的尾实体四元数嵌入，a′t,b′t,c′t,d′t表示旋转后的尾实体四元数嵌入对应的实数向量。


7.根据权利要求6所述的一种基于知识图谱的个性化推荐方法，其特征在于，在所述步骤S24中，通过如下方...

【专利技术属性】
技术研发人员：黄庆明，李朝鹏，许倩倩，姜阳邦彦，操晓春，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11