节目数据推荐方法及系统技术方案

本发明专利技术提供了一种节目数据推荐方法及系统，基于知识图谱与图学习增强表示实现节目数据的推荐，其中的方法包括：从预设用户节目收视数据库中提取训练数据和验证数据；根据训练数据对预设的NPR

Program data recommendation method and system

【技术实现步骤摘要】
节目数据推荐方法及系统


[0001]本专利技术涉及人工智能领域下的智能推荐领域，更为具体地，涉及一种基于知识图谱与图学习增强表示的节目数据推荐方法及系统。

技术介绍

[0002]随着互联网逐步进入存量时代，推荐的重要性正在进一步提升，经过信息世界的数据漫灌后，推荐算法能够为相对固定的用户群体更高效地获取价值增量。推荐算法经过市场的检验，在音乐推荐、电子商务、医疗推荐、新闻以及电影等多个领域进行了广泛应用，为不少互联网公司、甚至其他组织机构带来了巨大的便利和收益，逐渐成为互联网中不可或缺的一部分。
[0003]现有的节目推荐算法多种多样，比如，中国专利申请CN113613081A公开的一种基于目标节目推荐模型的节目推荐方法与装置，通过提取第一节目向量，计算所述第一节目向量与各个节目推荐模型预设的推荐向量之间的相似度，并进行相似度比较，根据比较结果选取目标节目推荐模型，并将第一节目向量输入至目标节目推荐模型中，得到节目推荐结果。中国专利申请CN106878772A公开的一种节目推荐方法及装置，利用用户的反馈信息，动态的调整节目推荐系统中各节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种节目数据推荐方法，用于基于知识图谱与图学习增强表示实现节目数据的推荐，所述方法包括：从预设用户节目收视数据库中提取规定时间阶段的用户收视数据作为训练数据和验证数据；根据所述训练数据对预设的NPR
‑
KGER模型进行训练，并根据所述验证数据和训练好的NPR
‑
KGER模型确定所述NPR
‑
KGER模型的参数和信息的组合方式；在所述规定时间阶段后紧邻的时间周期的节目单中，根据所述参数和信息的组合方式确定所述NPR
‑
KGER模型的入模参数；基于所述入模参数和所述NPR
‑
KGER模型进行用户观看节目的预测和推荐；其中，所述NPR
‑
KGER模型包括节目编码器、用户编码器和个性化节目推荐模块；其中，所述节目编码器合并了节目自身信息编码器和2
‑
hop邻居节目编码器；所述用户编码器整合了用户历史观看节目编码器和2
‑
hop邻居用户编码器；所述个性化节目推荐模块用于通过对增强表示的节目编码与用户编码进行点乘计算，得到候选节目会被用户观看的概率，以实现对用户的个性化节目推荐。2.如权利要求1所述的节目数据推荐方法，其中，所述NPR
‑
KGER模型的训练过程包括：分别通过所述节目自身信息编码器将所述训练数据中的节目自身信息进行编码为节目自身信息编码表示，以及，通过所述2
‑
hop邻居节目编码器对以所述节目为中心节点的2
‑
hop层节点的2
‑
hop邻居节目进行编码为2
‑
hop邻居节目编码表示；然后通过所述节目编码器节目对所述节目自身信息编码表示与所述2
‑
hop邻居节目编码表示进行拼接操作，得到节目编码表示；分别通过所述用户历史观看节目编码器将所述节目编码表示与对应节目的注意力权重相结合，得到用户历史观看节目的编码表示，以及，通过所述2
‑
hop邻居用户编码器对以所述用户为中心节点的2
‑
hop层节点的2
‑
hop邻居用户进行编码为2
‑
hop邻居用户编码表示；然后通过所述用户编码器所述将用户的历史观看节目编码表示与2
‑
hop邻居用户编码表示进行拼接操作，得到用户编码表示；将所述节目编码表示和所述用户编码表示，进行点乘计算和归一化处理，以确定用户对候选节目的观看概率；根据所述用户对候选节目的观看概率进行节目数据推荐。3.如权利要求2所述的节目数据推荐方法，其中，所述节目自身信息包括每个节目的节目名称信息、标签信息、频道信息以及播出时间信息。4.如权利要求3所述的节目数据推荐方法，其中，通过所述节目自身信息编码器将所述训练数据中的节目自身信息进行编码为节目自身信息编码表示，包括：对所述节目标签信息、频道信息、播出时间信息进行预处理，以确定所述节目标签信息、频道信息、播出时间信息的向量表示信息；使用注意力机制对所述节目名称信息、标签信息、频道信息以及播出时间信息这四类信息进行整合。5.如权利要求4所述的节目数据推荐方法，其中，对所述节目标签信息、进行预处理，以确定所述节目标签信息的向量表示信息，包括：对所述节目标签信息进行离散化处理，然后通过使用Word2Vec方法将离散化处理后的
节目标签信息转换为数值型向量，得到所有节目标签信息对应的向量表示集为, N是节目标签信息的个数；对所述所有节目标签信息的对应的向量表示集进行均值处理，得到平均后的节目标签信息向量表示均值： ,使用非线性激活函数ReLU函数统一所述节目标签信息向量表示均值的维度，得到最终的节目标签信息向量表示：,其中，和是ReLU函数的参数。6.如权利要求5所述的节目数据推荐方法，其中，使用注意力机制对所述节目名称信息、标签信息、频道信息以及播出时间信息进行整合，包括：设置节目的节目名称信息注意力权重为，节目的标签信息注意力权重为，节目的播放频道信息注意力权重为，节目的播出时间信息注意力权重为，各信息的注意力权重的具体计算方法如下所示...

【专利技术属性】
技术研发人员：殷复莲，邢彤彤，冯小丽，吴肇良，付睿翎，冀美琪，
申请(专利权)人：中国传媒大学，
类型：发明
国别省市：