一种面向知识感知推荐的知识图谱构建方法技术

本发明专利技术公开了一种面向知识感知推荐的知识图谱构建方法，本发明专利技术利用开源知识库链接数据集KB4Rec，将推荐数据集中的项目与开放领域知识图谱中的实体进行链接，并根据映射关系从开放领域知识图谱中迭代抽取三元组，经过实体筛选、关系筛选等处理，构建一个面向知识感知推荐的联系增强的知识图谱。本发明专利技术解决了通用的知识图谱构建方法工作量大、私人知识库无法获取的问题，使推荐系统能够利用大型开源知识图谱中的知识来提升推荐效果。本发明专利技术通过人工筛选关系类型、过滤低频实体以及交互密度控制等手段，解决了知识图谱关系质量差、三元组不够丰富、推荐数据的交互密度低等问题，保证了知识图谱中的项目属性与用户交互信息的质量。知识图谱中的项目属性与用户交互信息的质量。知识图谱中的项目属性与用户交互信息的质量。

【技术实现步骤摘要】
一种面向知识感知推荐的知识图谱构建方法


[0001]本申请涉及计算机
，尤其涉及一种面向知识感知推荐的知识图谱构建方法。

技术介绍

[0002]近几十年，随着互联网的快速发展，互联网上的数据成倍增长，过大的信息量引起信息超载问题，用户很难从海量数据中轻松挑选出他们感兴趣的内容。为了解决信息超载问题，改善用户体验，推荐系统已被应用于各种在线应用的场景，如：音乐推荐、电影推荐、新闻推荐、在线购物等。可以说，几乎所有提供内容的互联网服务都涉及到推荐系统的应用。
[0003]推荐算法是推荐系统的核心部分，根据推荐算法原理的不同，推荐系统主要分为三种：基于协同过滤的推荐系统、基于内容的推荐系统和混合型推荐系统。
[0004]1)基于协同过滤的推荐系统：主要利用交互数据中的用户或项目的相似性对用户偏好进行建模。
[0005]2)基于内容的推荐系统：通过内容分析抽取项目的特征用于计算相似度。
[0006]其中，基于协同过滤的推荐系统由于不需要人工提取特征，因而获得广泛应用。
[0007]尽管协同过滤算法在实际应用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向知识感知推荐的知识图谱构建方法，其特征在于包括以下步骤：步骤1)，通过推荐数据集获取用户交互数据；步骤2)，从步骤1)中的原始推荐数据集采样获得子数据集，再经过以下三个步骤获得用于构建知识图谱的二元评分数据集：步骤2.1)，K
‑
core提取：仅保留交互记录大于K的用户及项目；步骤2.2)，交互密度控制：使交互密度在人为控制的范围内；步骤2.3)，评分二元化：通过人为设置评分阈值的方式将原始数据二元化，若原始评分大于等于阈值，则二元评分为1，否则为0；步骤3)，由二元评分数据集中提取出项目集；步骤4)，利用开源知识库链接数据集KB4Rec，将推荐数据集中的项目与开放领域知识图谱中的实体进行链接，实现项目
‑
实体之间的映射；步骤5)，根据步骤4)得出的映射关系从开放领域知识图谱Freebase中，以项目实体作为初始种子集迭代地抽取三元组；步骤6)，经过人工筛选有效关系、低频实体过滤处理，构建了一个面向知识感知推荐的联系增强的知识图谱。2.根据权利要求1所述的一种面向知识感知推荐的知识图谱构建方法，其特征在于，所述的...

【专利技术属性】
技术研发人员：吴岳辛，范春晓，张建明，秦爽，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：