【技术实现步骤摘要】
基于知识图谱的图书推荐方法及系统
[0001]本专利技术属于图书推荐
，具体涉及基于知识图谱的图书推荐方法及系统。
技术介绍
[0002]在2012年以前，推荐系统的模型以传统方法为主，即基于矩阵分解等相关算法为用户提供相对优质的服务。之后AlexNet模型的提出，引爆了深度学习的热潮，其模型也广泛地应用于推荐系统领域。在以往推荐系统中，主要推荐方法有：基于内容推荐、协同过滤推荐、基于知识推荐系统等。
[0003]基于内容的推荐需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。系统基于用户的历史数据评价对象的特征，学习用户的兴趣，考察用户资料与待预测项目的相匹配程度。用户资料模型随着用户的偏好改变而发生变化。
[0004]协同过滤推荐一般采用最近邻技术，利用用户的历史喜好信息计算不同用户之间的距离，然后利用目标用户的最近邻用户对商品评价的加权评价值来预测目标用户对特定商品的喜好程度，系统从而根据这一喜好程度来对目标用户进行推荐。协同过滤是基于与某一用户有相似兴趣的其他用户，然后将他们感...
【技术保护点】
【技术特征摘要】
1.基于知识图谱的图书推荐方法，其特征在于，包括如下步骤：S1，获取图书相关数据以及图书系统用户相关数据；S2，对所述图书相关数据以及图书系统用户相关数据进行清洗；S3，根据清洗后的图书数据进行知识本体的构建，生成分类别的图书知识图谱；S4，根据图书系统用户相关数据以及用户使用系统的情况信息构建知识本体，生成用户知识本体以及用户画像知识图谱；S5，根据图书知识图谱、用户知识本体以及用户画像知识图谱，并结合混合序列推荐算法，生成对用户的个性化图书推荐；其中，所述混合序列推荐算法包括知识嵌入，时序感知及信息聚合预测。2.根据权利要求1所述的基于知识图谱的图书推荐方法，其特征在于，步骤S1包括如下步骤：S11，通过自动化测试方法模拟用户访问数据的方式；其中，所述图书相关数据包括图书名、作者、出版社、出品方、副标题、出版年、译者、ISBN、简介、装帧、价格以及图书所属大类；所述图书系统用户相关数据包括用户标号、评论、点赞、用户评分、点击率、活跃程度；S12，根据步骤S11中涉及的数据，提取用户与图书的交互信息。3.根据权利要求2所述的基于知识图谱的图书推荐方法，其特征在于，步骤S2包括如下步骤：图书相关数据清洗：S21，将图书内容相关数据中，中文书籍缺失译者信息进行填充；S22，将英文书籍相关简介以及作者名进行中文化翻译；S23，将缺失页数、价格关键信息的书籍进行删除；S24，将不同书籍大类具有重复信息的书籍进行清理；S25，对数据进行可视化分析，用于清楚异常值；图书系统用户相关数据：S26，对用户异常数据进行清理。4.根据权利要求3所述的基于知识图谱的图书推荐方法，其特征在于，步骤S3包括如下步骤：S31，将清洗后的图书数据进行逻辑定义，以三元组的形式进行模式层的构建，进而形成包含图书数据的知识本体知识库；所述三元组形式包括实体
‑
关系
‑
实体或实体
‑
属性
‑
性值；S32，使用NLP模型对图书简介信息进行信息抽取；信息抽取包括实体抽取、关系抽取以及属性抽取；S33，根据抽取图书信息以及已有图书信息进行知识融合，以生成图书实体基础知识图谱；S34，由专业教师和专家对生成的图书实体基础知识图谱进行审核，并判断所述图书实体基础知识图谱是否符合标准；S35，若判断图书实体基础知识图谱满足标准，则生成最终的图书知识图谱体系；若判断为否，则返回步骤S32。
5.根据权利要求4所述的基于知识图谱的图书推荐方法，其特征在于，步骤S4包括如下步骤：S41，对用户信息进行分析和处理，以不同的权重和特征因子构建用户知识本体；S42，根据用户知识本体和用户进行相关交互的图书数据，生成基于用户画像的知识图谱。其中，生成用户画像的知识图谱时，使用transD翻译技术和动态变化矩阵的方法，将用户特征和图书特征映射到两个不同的特征空间中。6.根据权利要求5所述的基于知识图谱的图书推荐方法，其特征在于，步骤S5包括如下步骤：S51，通过在知识图谱上进行带权的Deepwalk随机游走，构建用户
‑...
【专利技术属性】
技术研发人员：张哲铭，陈溪源，刘布，方柏仲，丁宏阳，张睿，雷煜晨，
申请(专利权)人：杭州电子科技大学，
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。