一种基于知识图谱和神经网络的推荐算法制造技术

本发明专利技术涉及人工智能领域中推荐系统方向，公开了一种基于知识图谱和神经网络的推荐算法。算法分为四部分：知识图谱构建、知识图谱嵌入、特征信息传播和推荐。知识图谱构建部分，分别构建协同知识图谱、用户知识图谱和项目知识图谱。知识图谱嵌入部分，引入多尺度空洞卷积捕获实体在多个尺度空间下的特征信息，使用残差网络技术防止卷积过程中丢失信息，利用注意力机制对多尺度卷积结果进行聚合，完成实体和关系的嵌入表示。特征信息传播部分，利用多头图注意力网络和衰减机制传播并聚合实体邻域信息。推荐部分，根据用户和项目表示的内积计算交互概率，生成推荐列表。本推荐算法具有良好的可解释性，能够更好地捕获用户偏好并提高推荐的准确率。推荐的准确率。推荐的准确率。

【技术实现步骤摘要】
一种基于知识图谱和神经网络的推荐算法


[0001]本专利技术涉及一种基于知识图谱和神经网络的推荐算法，属于人工智能领域中推荐系统方向。

技术介绍

[0002]近年来，随着电子产品与互联网的普及，信息技术得到前所未有的发展。信息时代到来的同时，也伴随着大量的、不同类型的信息数据爆炸式增长，用户在面对如此繁杂的信息时，难以快速、准确地获得自己真正感兴趣的内容，需要花费大量时间去翻阅或检索，增加用户获得有效信息的成本，导致信息过载。针对信息过载问题，推荐系统应运而生，展现出强大的高效性和可扩展性。对于用户来说，推荐系统已经成为用户在海量信息中快速获取感兴趣内容、满足个性化需求的重要工具。对于企业来说，推荐系统能够保持用户的粘性，增加软件的流量或产品的成交量，对企业的经营和发展都具有重要作用。
[0003]随着推荐算法的广泛研究，相较于传统的协同过滤推荐，推荐系统的性能已经得到明显提升，并且在理论和实践方面都取得了显著的成果。但是，如何更准确、更迅速的挖掘出用户的偏好信息仍是当前推荐算法领域亟待解决的重要问题。传统的推荐算法如协同过滤已广泛应用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱和神经网络的推荐算法，其特征在于：(1)数据集的预处理、知识图谱构建对数据集进行预处理，并构建协同知识图谱、用户知识图谱和热门项目知识图谱。(2)知识图谱嵌入通过多尺度空洞卷积和注意力机制进行知识图谱嵌入，优化实体和关系嵌入表示。(3)特征信息传播通过多头图注意力网络和衰减机制传播实体特征信息，递归地更新用户与项目表示。(4)预测项目列表并推送给用户根据用户与项目的最终表示计算用户与项目交互概率，排序生成推荐列表。2.根据权利1所述的一种基于知识图谱和神经网络的推荐算法，其特征在于数据预处理、知识图谱构建，步骤如下：A1：根据用户评分数据，删除评分记录较少的用户数据，删除评分不为好评的数据记录；A2：抽取三元组，构建协同知识图谱，构建规则为：CKG＝{(h，r，t)|h，t∈E，r∈R}；A3：抽取三元组，构建用户知识图谱，构建规则为：如果两个用户共同好评过一个或多个项目，就给这两个用户赋予一条关系，表示为KG
user
＝{(h，r
u
，t)|h，t∈U}；A4：抽取三元组，构建热门项目知识图谱，定义热门项目为所有被交互的项目中，根据好评数量与好评率的乘积排序前30％的项目，表示为KG
item
＝{(h，r，t)|h∈E
hot
，t∈E
t
，r∈R
t
}。3.根据权利1所述的一种基于知识图谱和神经网络的推荐算法，其特征在于知识图谱嵌入算法，步骤如下：B1.将三元组中实体和关系随机初始化为一个d维向量，然后将实体和关系向量重塑为二维向量D；B2.设置三个不同的空...

【专利技术属性】
技术研发人员：李钝，马立远，张海洋，郑志蕴，
申请(专利权)人：郑州大学，
类型：发明
国别省市：