一种知识图谱混合推荐方法技术

本发明专利技术公开了一种知识图谱混合推荐方法，包括如下步骤：步骤S1：构建知识图谱，将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析结合，构建一个包含实体和关系的知识图谱，基于知识图谱的相似度计算模块，计算实体与实体之间的相似度，利用知识图谱中的实体之间的关系，通过皮尔逊相似度计算实体之间的相似度，基于用户的协同过滤相似度计算模块，与现有的先进模型进行对比，大量的实践数据证明，本申请中的模型比大多数序列推荐模型更加高效，另外共用其他模型的经验，避免造成内容分析的不完全或不精确，能够基于一些复杂的，难以表述的概念(如信息质量、个人品味)进行过滤。个人品味)进行过滤。个人品味)进行过滤。

【技术实现步骤摘要】
一种知识图谱混合推荐方法


[0001]本专利技术是一种知识图谱混合推荐方法，属于序列推荐


技术介绍

[0002]推荐系统已经广泛应用在实际生活中的很多场景，特别是个性化推荐系统已经有越来越多的研究工作和落地实践，但是仍然面临着一些问题，例如数据稀疏、冷启动等问题。推荐算法大致分为基于内容的推荐、基于协同过滤的推荐、混合推荐。其中协同过滤算法是应用最为广泛的且最有效的推荐算法。其基本思想是利用用户和物品历史的反馈数据，挖掘用户和物品本身的相关联性，并基于此进行推荐排序。这种算法只利用用户的历史行为数据进行推荐，忽略了用户的其他信息，如个人资料、社交网络、搜索历史等。协同过滤推荐又被分为3类：基于用户的协同过滤推荐，基于物品的协同过滤推荐，基于模型的推荐。这三种推荐算法的侧重点各不相同，但是都不全面，可利用的数据较少，缺少数据支撑的原因导致推荐的准确性低，推荐效果差。

技术实现思路

[0003]针对现有技术存在的不足，本专利技术目的是提供一种混合推荐算法，以解决上述
技术介绍
中提出缺少数据支撑的原因导致推荐的准确性低，推荐效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识图谱混合推荐方法，其特征在于包括如下步骤：步骤S1：构建知识图谱，将应用数学、图形学、信息可视化技术、信息科学学科的理论与方法与计量学引文分析、共现分析结合，构建一个包含实体和关系的知识图谱，基于知识图谱的相似度计算模块；步骤S2：计算实体与实体之间的相似度，利用知识图谱中的实体之间的关系，通过皮尔逊相似度计算实体之间的相似度，基于用户的协同过滤相似度计算模块，该协同过滤相似度计算模块利用系统中用户的评分矩阵表示用户对物品的偏好，计算不同用户之间在物品偏好上的相似性；步骤S3：计算用户或物品之间的相似度，根据用户或物品在知识图谱中的实体和关系，计算用户或物品之间的相似度；步骤S4：根据相似度进行推荐，根据用户历史行为和当前场景，利用计算出的用户或物品之间的相似度，推荐相似的用户或物品。2.根据权利要求1的知识图谱混合推荐方法，其特征在于，在步骤S1...

【专利技术属性】
技术研发人员：郭旗，姬庆庆，刘子豪，周子安，石宇良，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：