基于知识图谱的对象推荐方法和装置制造方法及图纸

本发明专利技术实施例涉及一种基于知识图谱的对象推荐方法和装置，所述方法包括：获取多条用户行为数据；基于所述多条用户行为数据确定实体关系三元组以及实体属性三元组，并利用所述实体关系三元组和所述实体属性三元组构建实体知识图谱，其中，所述实体包括用户和对象；对所述实体知识图谱进行知识推理，得到推理知识图谱；在确定向目标用户进行对象推荐时，利用所述推理知识图谱为所述目标用户确定待推荐的目标对象。由此，能够实现更准确且全面地为用户进行对象推荐。用户进行对象推荐。用户进行对象推荐。

【技术实现步骤摘要】
基于知识图谱的对象推荐方法和装置
5

[0001]本专利技术实施例涉及计算机
，尤其涉及一种基于知识图谱的对象推荐方法和装置。

技术介绍

[0002]0对象与用户需求的匹配是长期被关注和研究的最重要商业问题之一。伴
[0003]随着云计算、大数据等技术的发展，以及包括神经网络等深度学习技术在内的机器学习算法的发展，使智能推荐领域得到了快速发展。
[0004]然而，现有技术中，由于智能推荐应用的机器学习算法是基于用户的历
[0005]史行为数据确定实体与实体间关系，从而确定用户与对象的匹配度，并对用5户进行对象推荐的，这并不涉及历史行为数据中未包括的实体和实体间关系，
[0006]也即，不能挖掘用户的潜在需求。那么，在对用户进行对象推荐的过程中，则无法更准确、全面地为用户推荐与该用户匹配度较高的对象。

技术实现思路

[0007]0鉴于此，为解决上述在对用户进行对象推荐的过程中，无法更准确、全
[0008]面地为用户推荐与该用户匹配度较高的对象的技术问题，本专利技术实施例提供一种基于知识图谱的对象推荐方法和装置。
[0009]第一方面，本专利技术实施例提供一种基于知识图谱的对象推荐方法，所述
[0010]方法包括：
[0011]5获取多条用户行为数据；
[0012]基于所述多条用户行为数据确定实体关系三元组以及实体属性三元组，并利用所述实体关系三元组和所述实体属性三元组构建实体知识图谱，其中，
[0013]所述实体包括用户和对象；
[0014]对所述实体知识图谱进行知识推理，得到推理知识图谱；
[0015]0在确定向目标用户进行对象推荐时，利用所述推理知识图谱为所述目标用户确定待推荐的目标对象。
[0016]在一个可能的实施方式中，所述基于所述多条用户行为数据确定实体关系三元组以及实体属性三元组，包括：
[0017]对每条所述用户行为数据分别进行实体识别以及实体关系抽取，得到多个实体以及多个实体关系三元组；
[0018]从预设的数据库中获取每个所述实体对应至少一个实体属性的属性值，得到多个实体属性三元组。
[0019]在一个可能的实施方式中，在所述对所述实体知识图谱进行知识推理之前，还包括：
[0020]从所述实体知识图谱中确定每一类实体的实体属性集；
[0021]对所述每一类实体的实体属性集分别进行特征挖掘，得到所述每一类实体的关键实体属性集；
[0022]将所述实体知识图谱中，除所述关键实体属性集中关键实体属性以外的其他实体属性删除，以利用删除处理后的实体知识图谱执行所述对所述实体知识图谱进行知识推理的步骤。
[0023]在一个可能的实施方式中，所述对所述每一类实体的实体属性集分别进行特征挖掘，得到所述每一类实体的关键实体属性集，包括：
[0024]针对每一类实体的实体属性集执行以下处理：
[0025]从所述实体知识图谱中获取所述实体属性集中每个实体属性对应的多个属性值，得到每个所述实体属性对应的属性值集合；
[0026]针对每个所述实体属性，确定对应的所述属性值集合中多个属性值的离散度；在所述离散度大于预设的离散度阈值的情况下，将所述实体属性确定为关键实体属性，得到该类实体的关键实体属性集。
[0027]作为一个可能的实现方式，在所述对所述实体知识图谱进行知识推理之前，还包括：
[0028]抽取所述实体知识图谱中的每一实体对应的属性值和属性值关系，得到多个属性值关系三元组；
[0029]利用所述属性值关系三元组构建属性值知识图谱；
[0030]确定所述属性值知识图谱中，每一属性值节点的相邻节点数量；
[0031]将所述相邻节点数量小于预设的节点数量阈值的属性值删除，得到相似属性值知识图谱；
[0032]将所述实体知识图谱中，除所述相似属性值知识图谱中属性值以外的其他属性值对应的属性删除，以利用删除处理后的实体知识图谱执行所述对所述实体知识图谱进行知识推理的步骤。
[0033]在一个可能的实施方式中，所述对所述实体知识图谱进行知识推理，得到推理知识图谱，包括：
[0034]将所述实体知识图谱输入至训练好的图神经网络模型或者强化学习模型，得到推理知识图谱；
[0035]或者，
[0036]将所述实体知识图谱输入至训练好的第一推理模型，得到初始推理知识图谱；
[0037]将所述初始推理知识图谱输入至训练好的第二推理模型，得到最终的推理知识图谱；其中，所述第一推理模型为所述图神经网络模型，所述第二推理模型为所述强化学习模型；或者，所述第一推理模型为所述强化学习模型，所述第二推理模型为所述图神经网络模型。
[0038]在一个可能的实施方式中，将所述实体知识图谱输入至训练好的强化学习模型，得到推理知识图谱，包括：
[0039]将所述实体知识图谱输入至训练好的强化学习模型，以由所述强化学习模型执行以下步骤，得到推理知识图谱：
[0040]从所述实体知识图谱中确定至少一个待推理组合，所述待推理组合中包括第一用
户和第一对象，且所述第一用户和所述第一对象之间不存在实体间关系；
[0041]针对每个所述待推理组合，确定所述第一用户与所述第一对象之间的第一匹配度，以及确定所述第一用户与第二用户之间的第二相似度值，所述第二用户指所述实体知识图谱中，与所述第一对象之间存在实体间关系的用户；
[0042]确定满足第一设定条件的目标第二用户，以及获取所述目标第二用户对所述第一对象的反馈数据，所述第一设定条件包括所述第二相似度值大于预设的第二相似度阈值，所述反馈数据包括正向反馈数据和负向反馈数据；
[0043]将所述反馈数据输入至预设的奖励函数，得到奖励值；
[0044]根据所述奖励值和所述第一匹配度，确定所述第一用户和所述第一对象之间的目标匹配度；
[0045]在所述目标匹配度大于预设的匹配度阈值的情况下，在所述第一用户与所述第一对象之间建立实体间关系。
[0046]在一个可能的实施方式中，所述确定所述第一用户与所述第一对象之间的第一匹配度，包括：
[0047]确定所述第一用户与所述实体知识图谱中每一其他用户之间的第三相似度值；从多个所述其他用户中确定满足第二设定条件的目标其他用户，所述第二设定条件包括对应的所述第三相似度值大于预设的第三相似度阈值，且与所述第一对象之间存在实体间关系；根据所述目标其他用户的数量，确定所述第一用户与所述第一对象之间的第一匹配度；
[0048]或者，确定所述第一对象与所述实体知识图谱中每一其他对象之间的第四相似度值；从多个所述其他对象中确定满足第三设定条件的目标其他对象，所述第三设定条件包括对应的所述第四相似度值大于预设的第四相似度阈值，且与所述第一用户存在实体间关系；根据所述目标其他对象的数量，确定所述第一用户与所述第一对象之间的第一匹配度；
[0049]或者，获取所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的对象推荐方法，其特征在于，所述方法包括：获取多条用户行为数据；基于所述多条用户行为数据确定实体关系三元组以及实体属性三元组，并利用所述实体关系三元组和所述实体属性三元组构建实体知识图谱，其中，所述实体包括用户和对象；对所述实体知识图谱进行知识推理，得到推理知识图谱；在确定向目标用户进行对象推荐时，利用所述推理知识图谱为所述目标用户确定待推荐的目标对象。2.根据权利要求1所述的方法，其特征在于，所述基于所述多条用户行为数据确定实体关系三元组以及实体属性三元组，包括：对每条所述用户行为数据分别进行实体识别以及实体关系抽取，得到多个实体以及多个实体关系三元组；从预设的数据库中获取每个所述实体对应至少一个实体属性的属性值，得到多个实体属性三元组。3.根据权利要求2所述的方法，其特征在于，在所述对所述实体知识图谱进行知识推理之前，还包括：从所述实体知识图谱中确定每一类实体的实体属性集；对所述每一类实体的实体属性集分别进行特征挖掘，得到所述每一类实体的关键实体属性集；将所述实体知识图谱中，除所述关键实体属性集中关键实体属性以外的其他实体属性删除，以利用删除处理后的实体知识图谱执行所述对所述实体知识图谱进行知识推理的步骤。4.根据权利要求3所述的方法，其特征在于，所述对所述每一类实体的实体属性集分别进行特征挖掘，得到所述每一类实体的关键实体属性集，包括：针对每一类实体的实体属性集执行以下处理：从所述实体知识图谱中获取所述实体属性集中每个实体属性对应的多个属性值，得到每个所述实体属性对应的属性值集合；针对每个所述实体属性，确定对应的所述属性值集合中多个属性值的离散度；在所述离散度大于预设的离散度阈值的情况下，将所述实体属性确定为关键实体属性，得到该类实体的关键实体属性集。5.根据权利要求1所述的方法，其特征在于，在所述对所述实体知识图谱进行知识推理之前，还包括：抽取所述实体知识图谱中的每一实体对应的属性值和属性值关系，得到多个属性值关系三元组；利用所述属性值关系三元组构建属性值知识图谱；确定所述属性值知识图谱中，每一属性值节点的相邻节点数量；将所述相邻节点数量小于预设的节点数量阈值的属性值删除，得到相似属性值知识图谱；将所述实体知识图谱中，除所述相似属性值知识图谱中属性值以外的其他属性值对应的属性删除，以利用删除处理后的实体知识图谱执行所述对所述实体知识图谱进行知识推
理的步骤。6.根据权利要求1所述的方法，其特征在于，所述对所述实体知识图谱进行知识推理，得到推理知识图谱，包括：将所述实体知识图谱输入至训练好的图神经网络模型或者强化学习模型，得到推理知识图谱；或者，将所述实体知识图谱输入至训练好的第一推理模型，得到初始推理知识图谱；将所述初始推理知识图谱输入至训练好的第二推理模型，得到最终的推理知识图谱；其中，所述第一推理模型为所述图神经网络模型，所述第二推理模型为所述强化学习模型；或者，所述第一推理模型为所述强化学习模型，所述第二推理模型为所述图神经网络模型。7.根据权利要求6所述的方法，其特征在于，将所述实体知识图谱输入至训练好的强化学习模型，得到推理知识图谱，包括：将所述实体知识图谱输入至训练好的强化学习模型，以由所述强化学习模型执行以下步骤，得到推理知识图谱：从所述实体知识图谱中确定至少一个待推理组合，所述待推理组合中包括第一用户和第一对象，且所述第一用户和所述第一对象之间不存在实体间关系；针对每个所述待推理组合，确定所...

【专利技术属性】
技术研发人员：简仁贤，马永宁，
申请(专利权)人：竹间智能科技上海有限公司，
类型：发明
国别省市：