融合知识图谱与关系感知对比学习的冷启动推荐方法技术

本发明专利技术公开了一种融合知识图谱与关系感知对比学习的冷启动推荐方法，首先根据获取的用户

【技术实现步骤摘要】
融合知识图谱与关系感知对比学习的冷启动推荐方法


[0001]本专利技术涉及推荐
，尤其是涉及一种融合知识图谱与关系感知对比学习的冷启动推荐方法。

技术介绍

[0002]近年来，随着计算机技术的高速发展，大量的信息在互联网上迅速传播，使得数据过载成为困扰学者的主要问题之一。推荐系统作为解决数据过载问题的一种重要手段，现如今被广泛应用于各个领域。传统推荐方法一般可分为基于内容的推荐、基于协同过滤的推荐和混合的推荐三种方式，最常用的就是CF协同过滤算法。
[0003]虽然CF协同过滤算法应用很广泛，效果也很强，但是其太过于依赖用户与项目之间的交互，使推荐系统在海量数据中筛选目标用户可能感兴趣的内容时很容易遇到冷启动问题，这不仅给推荐系统的信息筛选带来困难，也制约着推荐系统的未来发展。新用户或新物品通常更容易发生冷启动问题。根据冷启动缺失的信息不同，可以分为用户冷启动、物品冷启动和系统冷启动问题。具体而言，用户冷启动指的是交互少的新用户，而物品冷启动问题指的是缺少用户评分的新物品，系统冷启动则是在系统初期用户很少，而且用户行为也不多，常用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合知识图谱与关系感知对比学习的冷启动推荐方法，其特征在于，包括如下步骤：步骤1.获取用户
‑
物品二部图G1＝{(u,i)|u∈U,i∈I}和知识图谱G2＝{(h,r,t)|h,t∈ε,r∈R}，根据G1和G2生成构建协同关系图g＝{(h,r,t)|h,t∈ε
′
,r∈R
′
}；所述二部图G1中，(u,i)表示用户u与物品i有过交互，U＝{u1,u2,
…
,u
|U|
}表示用户集合，I＝{i1,i2,
…
,i
|I|
}表示物品集合，知识图谱G2中，ε＝{e1,e2,
…
,e
|ε|
}表示实体集合，R＝{r1,r2,
…
,r
|R|
}表示关系集合；其中，ε
′
＝ε∪U,R
′
＝R∪{交互},|U|表示用户的总数量，|I|表示物品的总数量，|ε|表示实体的总数量，|R|表示关系的总数量；在协同关系图g中使用TransR学习每个实体节点和关系节点的嵌入，其训练关系如下：其中，e
h
,e
r
,e
t
分别表示头实体，关系实体，尾实体嵌入，W
r
是基于关系r的变换矩阵；步骤2.在协同关系图上分别使用节点drop out或关系drop out进行数据增强，生成两个协同关系图的子图s1,s2：s
ε
(g)＝(M1⊙
ε
′
,R
′
)
ꢀꢀꢀ
(2)s
R
(g)＝(ε
′
,M2⊙
R
′
)...

【专利技术属性】
技术研发人员：张尧，李姝，刘文华，王明伟，赵秀君，张文超，
申请(专利权)人：大连工业大学，
类型：发明
国别省市：