【技术实现步骤摘要】
一种基于知识图谱解耦的推荐系统及其推荐方法
[0001]本专利技术涉及推荐系统领域，具体涉及一种基于知识图谱解耦的推荐系统及其推荐方法。
技术介绍
[0002]随着物联网、社交网络不断发展，大数据时代到来，如何在信息过载的情况下高效地获得人们想要的数据已经成为了一个不得不面对的难题。当用户没有明确的搜索目标或者无法给出目标的准确描述时，检索方式则无法得到较好的体验，而此时就需要依赖推荐系统针对用户主动地推荐用户可能会喜欢的内容。
[0003]现有的推荐系统通常着眼于被推荐对象的序列建模而忽视了更加细粒度的特征，并且在学习邻居节点的特征表示时通常采用均匀采样方法，真实世界关系构成可能拥有复杂的因素，这些因素从不同角度对用户和物品进行描述，一种关系的构成可能只需要依赖少数的因素，而另一种关系的构成可能需要综合大量的因素，因此这些推荐模型在可解释性和个性化信息内容的捕捉上存在不足。
[0004]针对推荐系统可解释性和个性化信息内容捕捉的问题，本专利技术提出一种基于知识图谱解耦的推荐系统及其推荐方法来改进现有方案的不...
【技术保护点】
【技术特征摘要】
1.一种基于知识图谱解耦的推荐方法，其特征在于包括以下步骤：步骤(1)：构建知识图谱；1
‑
1获取用户行为数据；所述用户行为数据包括用户、物品、用户固有属性特征和物品固有属性特征；1
‑
2将用户行为数据中用户、物品、用户固有属性特征和物品固有属性特征作为实体，并提炼上述实体关系，最终得到实体
‑
关系
‑
实体的三元组知识图谱；步骤(2)：搭建基于循环解耦的推荐模型RDK
‑
GCN；所述基于循环解耦的推荐模型包括输入层、特征解耦层、邻域聚合层、自注意力层、相似度计算层；所述输入层用于接收知识图谱中实体u信息，并将其进行向量化表示；根据知识图谱获取该实体u对应的若干邻接实体v，并将其进行向量化表示；根据知识图谱获取实体u和邻接实体v之间的关系，并进行向量化表示；所述特征解耦层用于将所述输入层输出的实体u向量化表示、邻接实体v向量化表示或上一次迭代中自注意力层输出的实体特征，对其投影到k个子空间进行特征解耦，以提取语义隐因子得到解耦特征；所述邻域聚合层用于接收所述特征解耦层输出的解耦特征，计算邻接实体v和实体u之间的置信度，然后利用该置信度将邻接实体v和实体u的解耦特征进行更新，得到更新后的解耦特征；所述自注意力层用于接收所述领域聚合层输出的聚合特征和所述特征解耦层输出的解耦特征进行均值化处理，并将其返回到所述特征解耦层或输出实体u的特征；所述输出层用于输出最大迭代次数下自注意力层给出的解耦特征记为实体u特征；步骤(3)：根据基于循环解耦的推荐模型RDK
‑
GCN输出的实体u特征获得待推荐实体u1特征和被推荐实体u2特征然后计算上述两个特征的相似度，最后向被推荐实体u2推荐相似度较高的前n个待推荐实体u1。2.根据权利要求1所述的一种基于知识图谱解耦的推荐方法，其特征在于步骤1
‑
2中所述实体关系包括用户与用户间的关系、用户与物品间的交互关系、物品与物品间的关系、用户与用户固有属性特征之间的关系、物品与物品固有属性特征之间的关系。3.根据权利要求1所述的一种基于知识图谱解耦的推荐方法，其特征在于步骤(2)中所述特征解耦层具体是：其中t表示当前迭代次数，m≥t≥1，m表示最大迭代次数；表...
【专利技术属性】
技术研发人员：袁友伟，周威炜，王东京，郑超，鄢腊梅，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
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。