一种基于知识图谱和用户长短期兴趣的推荐方法技术

本发明专利技术公开了一种基于知识图谱和用户长短期兴趣的推荐方法，包括：获取项目集并映射到通用知识图谱，获取用户

【技术实现步骤摘要】
一种基于知识图谱和用户长短期兴趣的推荐方法


[0001]本专利技术涉及一种基于知识图谱和用户长短期兴趣的推荐方法，属于推荐系统的


技术介绍

[0002]随着互联网上的信息越来越多，人们发现从海量的互联网信息中找适合自己、有用的信息变得越来越难。海量信息的背景下，出现了“信息过载”的问题，庞大的数据信息反而降低了人们对信息的利用效率。
[0003]为了应对爆炸式的信息增长、互联网公司业务需求发展和人们的日常网络应用需求，在购物、新闻、餐饮领域出现了商品的个性化推荐。常用的推荐算法主要有基于内容的推荐方法和基于协同过滤的推荐方法。前者利用用户历史交互信息和项目特征，基于用户历史偏好推荐相似项目；后者利用用户访问行为的相似性来互相推荐用户可能感兴趣的项目。以上算法在一些应用场景下能取得很好的推荐效果，但是也有不足，如基于内容的推荐过于依赖项目的特征信息，基于协同过滤的推荐存在冷启动问题等。此外，仅仅利用数据集中简单的项目信息不能对用户偏好进行细粒度的建模，忽略了用户兴趣随时间的变化，难以给出推荐结果的可解释性。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱和用户长短期兴趣的推荐方法，其特征在于，包括以下步骤：(1)获取用于测试的项目集，将其映射到所测试领域的通用知识图谱；获取用户
‑
项目评分表，通过用户
‑
项目评分表中的项目评分与设定阈值比较大小，获取用户
‑
项目交互信息；(2)将待推荐项目在通用知识图谱中对应的项目实体、待推荐项目实体的邻域实体以及构成连接的关系进行Embedding嵌入向量表示后，输入到知识图卷积网络中，计算用户对于待推荐项目实体所连接不同关系的偏好权值，然后根据归一化后的偏好权值的分布，对通用知识图谱中与待推荐项目实体所连接的邻域实体进行加权聚合，获取待推荐项目的项目特征向量表示；(3)根据用户
‑
项目交互信息获取具有时间序列信息的用户历史偏好集合，通过偏好传播的方法对用户长期偏好进行建模，学习用户长期偏好向量表示；并且将用户历史偏好集合中用户感兴趣的项目，按时间序列顺序依次输入门控循环单元进行训练，对用户感兴趣项目的时间特征信息和兴趣特征信息进行处理，获得用户短期偏好向量表示；(4)将用户长期偏好向量表示与用户短期偏好向量表示按列进行叠加融合，并经过一层全连接层处理后，得到最终用户偏好向量表示；(5)将最终用户偏好向量表示与待推荐项目的项目特征向量表示，经过内积计算对应特征维度的相似度后输入多层感知机，预测得到用户对待推荐项目感兴趣的概率。2.根据权利要求1所述基于知识图谱和用户长短期兴趣的推荐方法，其特征在于，所述步骤(1)中获取用户
‑
项目交互信息，具体为：从开源知识图谱库中获取由三元组表示的所测试领域的通用知识图谱，并将用于测试的项目集与通用知识图谱中的实体进行对齐；获取按照不同等级划分的用户
‑
项目评分表，设定一个阈值，根据用户
‑
项目评分表获取项目评分，比较项目评分与设定阈值的大小，将项目评分大于等于设定阈值的项目划分为用户感兴趣的项目，且在用户
‑
项目交互信息中用1表示；将项目评分小于设定阈值的项目划分为用户不感兴趣的项目，且在用户
‑
项目交互信息中用0表示，以构建得到用户
‑
项目交互信息。3.根据权利要求1所述基于知识图谱和用户长短期兴趣的推荐方法，其特征在于，所述步骤(2)中获取待推荐项目的项目特征向量表示，具体为：首先将用户ID、项目ID、通用知识图谱中待推荐项目实体的邻域实体的连接关系进行Embedding嵌入向量表示，得到用户嵌入向量表示u、待推荐项目实体的嵌入向量表示v和关系向量表示r，并输入到知识图卷积网络中，计算用户对于待推荐项目实体所连接的关系的偏好权值k
j
＝u
T
r
j
，归一化偏好权值其中为各关系的d维向量表示；获取待推荐项目实体v的邻域实体向量表示所述e∈N(v)中e是与待推荐项目实体v所连接的邻域实体集合中的一个邻域实体，N(v)是与待推荐项目实体v所连接的邻域实体集合；e是邻域实体e的向量表示；将待推荐项目实体的嵌入向量表示v和其邻域实体向量表示v
N(v)
进行加权聚合，得到待推荐项目的项目特征向量表示：V
final
＝σ(W
·
(v+v
N(v)
)+b)，其中σ为sigmoid激活函数；W为
sigmoid激活函数的训练权值矩阵，b为偏置项。4.根据权利要求1所述基于知识图谱和用户长短期兴趣的推荐方法，其特征在于，所述步骤(3)中通过偏好传播的方法对用户长期偏好进行建模，学习用户长期偏好向量表示，具体为：以用户历史偏好集合V＝{V1,V2,...,V
n
}中的项目在通用知识图谱上对应的实体X为中心，获取与中心实体直接或间接连接的其他相关实体X
i
，计算待推荐项目实体与每一层连接的头实体h
i
和关系r
i
的相似度，通过softmax函数输出p
i
，p
i
为用户的不同历史偏好与待推荐项目的相关性概率；在获取用户的不同历史偏好与待推荐项目的相关性概率p
i
后，取当前层连接的三元组的尾实体的嵌入向量表示t
i
的加权和，得到与中心实体连接的第一层全部实体的向量表示重复偏好传播过程，得到第二层全部实体的向量表示将第一层全部实体的向量表示和第二层全部实体的向量表示组合相加，得到用...

【专利技术属性】
技术研发人员：苗立志，汤恒，余定育，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：