一种基于图谱关系挖掘的产品配置推荐方法及系统技术方案

本发明专利技术公开了一种基于图谱关系挖掘的产品配置推荐方法及系统，获取客户

【技术实现步骤摘要】
一种基于图谱关系挖掘的产品配置推荐方法及系统


[0001]本专利技术涉及一种基于图谱关系挖掘的产品配置推荐方法及系统，属于推荐系统及机器学习


技术介绍

[0002]产品配置是指基于用户需求或应用场景，实现产品核心物料、组件的自动化、智能化配置。华为、中兴等企业已经建立较为完备的5G产品配置线，快速地满足客户多场景、定制化的需求，为企业技术标准化、生产库存、研发管理提供数字化支撑。实现产品自动化、智能化配置，已经成为企业数字化转型的关键能力指标。
[0003]推荐系统是一种信息过滤系统，利用机器学习等技术，预测用户对物品的偏好并进行推荐。经典的推荐算法如协同过滤、FM算法等，均是通过分析用户的历史行为和偏好，为用户推荐物品等。推荐系统一般包括召回和排序两个阶段。其中，召回是从海量数据中，取出与用户特征有关联的数据，即缩小数据的比较范围。在此基础上，采用排序算法，实现精准的用户特征和行为特征的相似性计算，并按照相似性进行排序。
[0004]本文研究的产品配置，包括“产品、物料、组件”三级。产品和物料之间是一对多关系，物料和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图谱关系挖掘的产品配置推荐方法，其特征在于，包括：获取客户
‑
产品
‑
物料实体信息，输入到预先基于企业业务数据库构建的训练好的FM模型，输出产品配置结果；所述基于企业业务数据库构建的训练好的FM模型的构建，包括：利用实际业务数据库完成产品、物料、组件的知识抽取并完成图谱构建；对构建的图谱通过图谱路径分析完成构成产品的物料和组件的召回；利用FP
‑
Growth算法在召回结果的基础上离线计算产品配置的频次，代入更新产品、物料、组件的关系，得到关系优化后的知识图谱；基于关系优化后的知识图谱通过FM模型进行训练，完成产品配置推荐方法的模型训练，得到基于企业业务数据库构建的训练好的FM模型。2.根据权利要求1所述的基于图谱关系挖掘的产品配置推荐方法，其特征在于，所述利用实际业务数据库完成产品、物料、组件的知识抽取并完成图谱构建，包括：获取企业生产运营的结构化数据、半结构化数据和非结构化数据，对半结构化数据和非结构化数据进行实体抽取和关系抽取，根据结构化数据与抽取到的实体和关系采用自顶向下的模式进行建模，得到包括地区、客户、产品、物料、组件5类本体的本体模型，根据本体模型建立产品
‑
物料
‑
组件产品知识图谱。3.根据权利要求2所述的基于图谱关系挖掘的产品配置推荐方法，其特征在于，所述对构建的图谱通过图谱路径分析完成构成产品的物料和组件的召回，包括：根据构建的产品
‑
物料
‑
组件产品知识图谱中地区、客户、产品、物料、组件实体之间的关系，构建特定的元路径；对于不同的客户、产品实体，基于元路径不同的权重进行路径挖掘，召回关联的实体、关联实体的层次关系；计算不同元路径下客户产品实体之间的语义相似性，召回语义相似性超过50％的关联实体；将关联的实体、关联实体的层次关系和语义相似性超过50％的关联实体相合并，完成构成产品的物料和组件的召回。4.根据权利要求1所述的基于图谱关系挖掘的产品配置推荐方法，其特征在于，所述利用FP
‑
Growth算法离线计算产品配置的频次，代入更新产品、物料、组件的关系，包括：基于客户物料信息建立的频繁树挖掘出最大项集M
max
，共有k项，M
max
＝{m1,m2,
…
,m
k
}，m
k
表示第k个物料；根据最大项集M
max
计算客户产品配置的置信度和相似度，置信度为产品知识图谱中元路径的权重，相似度为不同路径下客户产品实体之间的语义相似性；将客户与产品、物料作为实体，客户产品配置的相似度与置信度作为物料实体的属性，将产品配置的相似度与置信度结果更新到知识图谱中对知识图谱进行关系优化。5.根据权利要求4所述的基于图谱关系挖掘的产品配置推荐方法，其特征在于，所述计算客户产品配置的置信度和相似度，包括：客户产品配置的置信度的计算公式为：P(Y|X)＝P(XY)/P(X)X表示每个客户的某个产品项集，Y表示每个客户的某个产品的物料项集，P(XY)表示项
集X和Y同时出现的概率，P(X)表示项集X出现的概率，P(Y|X)表示在同一个客户同一种产品的情况下，物料组合的项集的条件概率；对于任意一个客户其他物料项集...

【专利技术属性】
技术研发人员：徐一丹，刘文松，林峰，俞俊，张锦辉，胡竹青，张志鹏，朱泐，邵瑞，贺豪，杨燕吉，
申请(专利权)人：国网电力科学研究院有限公司，
类型：发明
国别省市：