一种基于路径语义和特征提取的负样本提取方法技术

本发明专利技术涉及推荐系统技术领域，尤其涉及一种基于路径语义和特征提取的负样本提取方法。包括以下步骤：S1.进行样本采集，收集需要进行提取的样本范围，搭建采样系统模型；S2.将知识图谱的三元组结构的表示学习与SDAE结合，进而从关系中获取物品实体的编码S3.根据知识图谱中用户节点和物品节点的关联关系，结合相应的搜索算法采样得到负样本；S4.按照评分高低对负样本数据集进行排序S5.对低分负样本数据集进行修剪；S6.基于数据集进行对比试验，本发明专利技术采取基于路径的综合方式优化已有模型，从正样本出发，通过强化学习方法递归探索图谱中的节点关系，结合通道注意力将有用的特征增强，对信息量小或者无用特征进行适当抑制。信息量小或者无用特征进行适当抑制。信息量小或者无用特征进行适当抑制。

【技术实现步骤摘要】
一种基于路径语义和特征提取的负样本提取方法


[0001]本专利技术涉及推荐系统
，尤其涉及一种基于路径语义和特征提取的负样本提取方法。

技术介绍

[0002]随着计算机技术的高速发展，各大产业及APP的广泛使用产生了大量的数据，但并非所有的数据都是用户所感兴趣的内容，因此推荐系统应运而生，成为解决此问题的重要技术。如何提高用户的满意度和体验感还保证推荐的准确度成为了推荐系统的主要研究内容。根据对用户兴趣爱好的横向推测，以及对用户历史选择的纵向分析，推荐系统可以分为两类：基于协同过滤的推荐系统和基于内容的推荐系统。前者主要面临数据冷启动问题，后者则依据用户和物品之间历史交互信息，也就是物品向量之间的相似度进行比较，其缺点是只能推荐用户候选集合中的对象，无法给用户带来惊喜。
[0003]随着推荐系统的发展，也有越来越多的其它方法来辅助提高推荐效率。近年来，基于知识图谱的推荐系统的优势逐渐显现。这种方式比一般的模型包含了更加丰富的信息，具体来说是将图谱中三元组作为推荐系统的辅助信息整合到推荐系统中从而捕捉用户对物品的偏好，挖掘潜在关系，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于路径语义和特征提取的负样本提取方法，其特征在于，包括以下步骤：S1.进行样本采集，收集需要进行提取的样本范围，搭建采样系统模型；S2.将知识图谱的三元组结构的表示学习与SDAE结合，进而从关系中获取物品实体的编码；S3.根据知识图谱中用户节点和物品节点的关联关系，结合相应的搜索算法采样得到负样本；S4.按照评分高低对负样本数据集进行排序；S5.对低分负样本数据集进行修剪；S6.基于数据集进行对比试验。2.根据权利要求1所述的基于路径语义和特征提取的负样本提取方法，其特征在于，步骤S1具体包括以下内容：所述系统模型通过强化学习正样本，利用递归进行探索，结合通道注意力机制，增强有用特征，判断进行下一个节点的访问，通过MF方法验证模型的有效性。3.根据权利要求1所述的基于路径语义和特征提取的负样本提取方法，其特征在于，步骤S2具体包括以下内容：选用Translate模型中的TransR与SDAE结合对结构化知识进行表示，将知识图谱三元组(h，r，t)中的实体通过矩阵投影到对应...

【专利技术属性】
技术研发人员：熊熙，马腾，李中志，蒋雯静，徐孟奇，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：