一种基于用户历史兴趣的知识图谱推荐方法和系统技术方案

本发明专利技术提出一种基于用户历史兴趣的知识图谱推荐方法和系统，其方法技术方案包括候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。本发明专利技术解决了现有技术方案需要领域专家制定元路径、且未考虑用户历史兴趣的时序的问题。

【技术实现步骤摘要】
一种基于用户历史兴趣的知识图谱推荐方法和系统
本专利技术属于智能推荐领域，尤其涉及一种基于用户历史兴趣的知识图谱推荐方法和系统。
技术介绍
目前，协同过滤的推荐系统主要存在两点缺陷，一是用户-物品关系矩阵过度稀疏，无法有效推荐；二是冷启动问题，对于新用户或新物品的推荐难度较大。因此，需要增加一些额外的信息来做增强，例如社交网络、图像、文本等内容。近年来，知识图谱因为可以描述大量的用户-物品之间的交互关系，例如点击，可以潜在发现用户的偏好，而被越来越多的用在推荐系统中，帮助提升推荐的准确率，改善推荐系统的性能。
技术实现思路
本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐方法和系统，以至少解决现有技术方案需要领域专家制定元路径、且未考虑用户历史兴趣的时序的问题。第一方面，本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐方法，包括：候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。优选的，所述种子图谱构建步骤包括，根据所述种子物品的发生时间排列所述种子物品的顺序。优选的，所述扩展表示计算步骤包括：第一扩展计算步骤，构建所述种子物品的第一次扩展集合，计算所述候选物品与所述第一次扩展集合的归一化相似度，并根据所述归一化相似度计算所述种子物品的第一次扩展结果；第二扩展计算步骤，根据所述第一次扩展集合，计算所述种子物品的第二次扩展结果，并重复进行预设轮次的计算，将所有轮次的扩展结果相加得到所述预设轮次的所述种子物品的扩展向量表示。优选的，所述第二扩展计算步骤还包括，计算所述种子物品的第二次扩展结果时，将所述第一次扩展集合中的图谱三元组的尾实体作为头实体。优选的，所述用户兴趣预测步骤包括：种子权重计算步骤，将所述种子物品的扩展向量表示和所述候选物品的扩展向量表示输入一注意力网络，得到所述种子物品的权重；用户表征计算步骤，将所述权重与所述种子物品的扩展向量表示加权求和得到用户兴趣表征向量；交互概率获取步骤，将所述候选物品的扩展向量表示与所述用户兴趣表征向量拼接，通过一MLP网络获取所述用户与所述候选物品的交互概率。第二方面，本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐系统，适用于上述一种基于用户历史兴趣的知识图谱推荐方法，包括：候选图谱构建单元，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；种子图谱构建单元，构建所述用户历史兴趣的种子物品的集合；扩展表示计算单元，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；用户兴趣预测单元，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。在其中一些实施例中，所述种子图谱构建单元包括，根据所述种子物品的发生时间排列所述种子物品的顺序。在其中一些实施例中，所述扩展表示计算单元包括：第一扩展计算模块，构建所述种子物品的第一次扩展集合，计算所述候选物品与所述第一次扩展集合的归一化相似度，并根据所述归一化相似度计算所述种子物品的第一次扩展结果；第二扩展计算模块，根据所述第一次扩展集合，计算所述种子物品的第二次扩展结果，并重复进行预设轮次的计算，将所有轮次的扩展结果相加得到所述预设轮次的所述种子物品的扩展向量表示。在其中一些实施例中，所述第二扩展计算模块还包括，计算所述种子物品的第二次扩展结果时，将所述第一次扩展集合中的图谱三元组的尾实体作为头实体。在其中一些实施例中，所述用户兴趣预测单元包括：种子权重计算模块，将所述种子物品的扩展向量表示和所述候选物品的扩展向量表示输入一注意力网络，得到所述种子物品的权重；用户表征计算模块，将所述权重与所述种子物品的扩展向量表示加权求和得到用户兴趣表征向量；交互概率获取模块，将所述候选物品的扩展向量表示与所述用户兴趣表征向量拼接，通过一MLP网络获取所述用户与所述候选物品的交互概率。相比于相关技术，本申请实施例提供的一种基于用户历史兴趣的知识图谱推荐方法能够使用知识图谱N轮扩展对物品进行表征；同时，使用注意力网络对用户历史交互物品的时序信息进行整合，充分考虑了时间因素。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本专利技术的基于用户历史兴趣的知识图谱推荐方法流程图；图2为图1中步骤S3的分步骤流程图；图3为图1中步骤S4的分步骤流程图；图4为本专利技术的基于用户历史兴趣的知识图谱推荐系统的框架图；图5为本专利技术的电子设备的框架图；以上图中：1、候选图谱构建单元；2、种子图谱构建单元；3、扩展表示计算单元；4、用户兴趣预测单元；31、第一扩展计算模块；32、第二扩展计算模块；41、种子权重计算模块；42、用户表征计算模块；43、交互概率获取模块；60、总线；61、处理器；62、存储器；63、通信接口。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属
内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表本文档来自技高网...

【技术保护点】
1.一种基于用户历史兴趣的知识图谱推荐方法，其特征在于，包括：/n候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；/n种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；/n扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；/n用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。/n

【技术特征摘要】
1.一种基于用户历史兴趣的知识图谱推荐方法，其特征在于，包括：
候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；
种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；
扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；
用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。


2.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述种子图谱构建步骤包括，根据所述种子物品的发生时间排列所述种子物品的顺序。


3.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述扩展表示计算步骤包括：
第一扩展计算步骤，构建所述种子物品的第一次扩展集合，计算所述候选物品与所述第一次扩展集合的归一化相似度，并根据所述归一化相似度计算所述种子物品的第一次扩展结果；
第二扩展计算步骤，根据所述第一次扩展集合，计算所述种子物品的第二次扩展结果，并重复进行预设轮次的计算，将所有轮次的扩展结果相加得到所述预设轮次的所述种子物品的扩展向量表示。


4.如权利要求3所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述第二扩展计算步骤还包括，计算所述种子物品的第二次扩展结果时，将所述第一次扩展集合中的图谱三元组的尾实体作为头实体。


5.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述用户兴趣预测步骤包括：
种子权重计算步骤，将所述种子物品的扩展向量表示和所述候选物品的扩展向量表示输入一注意力网络，得到所述种子物品的权重；
用户表征计算步骤，将所述权重与所述种子物品的扩展向量表示加权求和得到用户兴趣表征向量；
交互概率获取步骤，将所述候选物品的扩展向量表示与所述用户兴趣表征向量拼接，通过一MLP网络获取所述用户与所述候选物品的交互概率。

【专利技术属性】
技术研发人员：江丹丹，景艳山，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京;11