【技术实现步骤摘要】
一种融合知识图谱和图对比学习的图书推荐方法及系统
[0001]本专利技术涉及图书推荐
,尤其涉及一种融合知识图谱和图对比学习的图书推荐方法及系统。
技术介绍
[0002]在图书推荐算法使用的各种技术中,协同过滤框架成为预测用户对图书偏好的有效解决方案,其基本原理是具有相似交互行为的用户可能对图书有相似的兴趣。近年来,流行的协同过滤范式已经从矩阵分解演变为基于神经网络的潜在用户和图书嵌入投影技术,如基于自动编码器的方法,以及最近开发的基于图卷积结构的协同过滤模型。然而,对于没有足够的图书图书交互的用户来说,大多数基于协同过滤的推荐方法仍然存在数据稀缺的问题。为了克服这种数据稀疏性问题,推荐系统中加入了作为有用外部源的知识图,通过编码额外的图书语义相关性来增强用户和图书表示过程。
[0003]在实际图书场景中,图书知识图往往是稀疏且有噪声的。知识图的稀疏性和噪声使得项目实体依赖关系偏离了其真实特征,显著放大了噪声效应,阻碍了用户偏好的准确表示。
技术实现思路
[0004]为了解决上述技术问题,本专利技术的目的是提供一种融合知识图谱和图对比学习的图书推荐方法及系统,能够提高模型的鲁棒性且缓解数据噪声和稀疏性问题。
[0005]本专利技术所采用的第一技术方案是:一种融合知识图谱和图对比学习的图书推荐方法,包括以下步骤:
[0006]获取用户
‑
图书交互图与图书知识图谱并结合,生成协同知识图谱;
[0007]利用协同知识图谱的结构学习实体嵌入,生成嵌入学习 ...
【技术保护点】
【技术特征摘要】
1.一种融合知识图谱和图对比学习的图书推荐方法,其特征在于,包括以下步骤:获取用户
‑
图书交互图与图书知识图谱并结合,生成协同知识图谱;利用协同知识图谱的结构学习实体嵌入,生成嵌入学习信息;将协同知识图谱进行数据增强并结合嵌入学习信息输入知识图谱注意网络,得到用户和图书的嵌入;基于用户和图书的嵌入进行图对比学习和监督任务构建,联合优化得到待推荐图书;计算用户与全部推荐图书的点积并根据点积计算结果得到最终图书推荐结果。2.根据权利要求1所述一种融合知识图谱和图对比学习的图书推荐方法,其特征在于,所述将协同知识图谱进行数据增强并结合嵌入学习信息输入知识图谱注意网络,得到用户和图书的嵌入这一步骤,具体包括:将协同知识图谱进行随机删除,得到视图一;将协同知识图谱进行随机添加,得到视图二;基于嵌入学习信息将视图一、视图二和协同知识图谱输入知识图谱注意网络,得到用户和图书的嵌入。3.根据权利要求2所述一种融合知识图谱和图对比学习的图书推荐方法,其特征在于,所述知识图谱注意网络的公式具体如下:所述知识图谱注意网络的公式具体如下:所述知识图谱注意网络的公式具体如下:所述知识图谱注意网络的公式具体如下:所述知识图谱注意网络的公式具体如下:上式中,h表示头实体,r表示关系,r
′
表示关系的负样本,t表示尾实体,t
′
表示尾实体的负样本,N
h
表示以h为头节点的三元组的集合,1表示第1层传播,表示当前(l
‑
1)层头实体嵌入表示,表示当前(l
‑
1)层关系嵌入表示,表示当前(l
‑
1)层尾实体嵌入表示,表示当前(l
‑
1)层头实体h对应的ego网络的嵌入表示,β(h,r,t)表示三元组对应的权重,W1和W2分别表示可训练的矩阵,LeakyReLU表示带泄露修正线性单元函数,
⊙
表示两个向量的乘积,||表示向量拼接符号,表示最终用户嵌入,表示最终图书嵌入,表示执行L层后得了用户节点u的集合,表示执行L层得了图书节点i的集合。4.根据权利要求1所述一种融合知识图谱和图对比学习的图书推荐方法,其特征在于,所述基于用户和图书的嵌入进行图对比学习和监督任务构建,联合优化得到待推荐图书这一步骤,具体包括:基于用户和图书的嵌入采用InfoNCE损失函数进行图对比学习构建辅助任务;基于用...
【专利技术属性】
技术研发人员:郭洁,林佳瑜,梁祖红,罗孝波,
申请(专利权)人:广东工业大学,
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。