基于场景化知识图谱的推荐方法技术

本发明专利技术实施例公开了一种基于场景化知识图谱的推荐方法

【技术实现步骤摘要】
基于场景化知识图谱的推荐方法、系统及存储介质


[0001]本专利技术涉及物联网
，尤其涉及一种基于场景化知识图谱的推荐方法
、
系统及存储介质
。

技术介绍

[0002]知识图谱是一种表示“实体”间“关系”的语义网络图，是复杂关联关系的最有效表达方式
。
其中的“实体”具有可区别性
、
且独立存在的某种事物，例如，一个人或一种商品；而“关系”描述了实体之间的各种复杂的联系
。
在知识图谱中最简单的元素是三元组，分三元组为头实体
、
尾实体和关系
。
[0003]推荐系统在信息爆炸的互联网时代，推荐系统可以理解用户的个性化偏好和需求，帮助用户筛选出自己感兴趣的产品和服务，现有的推荐系统存在着数据稀疏以及冷启动等问题，容易造成模型过拟合问题
。
[0004]传统的云计算是集中式大数据处理，边缘计算则可以理解为边缘式大数据处理
。
相较于云计算，边缘计算不用将数据传到遥远的云端
(
云平台
)
，在边缘侧就能对数据进行分析
、
计算与处理，针对具体的场景生成需要的结果
。
但边缘侧因受限于硬件资源，大规模训练模型很难实现，且应用行业企业的数据安全问题，即具体场景，所需数据在企业侧，不能开放给边缘侧进行模型生成及训练，因此，边缘计算只能对较为简单的应用场景进行智能分析与处理，针对复杂场景，适应能力不强，推荐效果较差
>。

技术实现思路

[0005]本专利技术实施例提供了一种基于场景化知识图谱的推荐方法
、
系统及存储介质，旨在提高边缘侧场景化适应能力及推荐效果
。
[0006]第一方面，本专利技术实施例提供了一种基于场景化知识图谱的推荐方法，包括：
[0007]边缘侧采集用户的行为数据，并对所述行为数据进行处理得到脱敏样例数据和特征向量数据；
[0008]云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并根据所述脱敏样例数据和所述特征向量数据确定应用场景；
[0009]所述云平台根据所述应用场景确定具体场景化知识图谱及初始推荐模型，并将所述场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型，将所述目标推荐模型进行轻量化处理得到轻量级推荐模型；
[0010]所述边缘侧接收所述云平台下发的所述轻量级推荐模型，并将所述行为数据输入所述轻量级推荐模型以生成推荐结果
。
[0011]第二方面，本专利技术实施例还提供了一种基于场景化知识图谱的推荐系统，其包括：配置于边缘侧中的采集处理单元及生成单元，配置于云平台中的接收确定单元及训练处理单元，其中，
[0012]所述采集处理单元用于边缘侧采集用户的行为数据，并对所述行为数据进行处理
得到脱敏样例数据和特征向量数据；
[0013]所述接收确定单元用于云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并根据所述脱敏样例数据和所述特征向量数据确定应用场景；
[0014]所述训练处理单元用于所述云平台根据所述应用场景确定具体场景化知识图谱及初始推荐模型，并将所述场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型，将所述目标推荐模型进行轻量化处理得到轻量级推荐模型；
[0015]所述生成单元用于所述边缘侧接收所述云平台下发的所述轻量级推荐模型，并将所述行为数据输入所述轻量级推荐模型以生成推荐结果
。
[0016]第三方面，本专利技术实施例还提供了一种基于场景化知识图谱的推荐系统，其包括边缘侧和云平台，所述边缘侧和云平台均包括存储器及处理器，所述存储器上存储有计算机程序，所述边缘侧和云平台的所述处理器执行所述计算机程序时实现上述方法
。
[0017]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时可实现上述方法
。
[0018]本专利技术实施例提供了一种基于场景化知识图谱的推荐方法
、
系统及存储介质
。
其中，所述方法包括：边缘侧采集用户的行为数据，并对所述行为数据进行处理得到脱敏样例数据和特征向量数据；云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并根据所述脱敏样例数据和所述特征向量数据确定应用场景；所述云平台根据所述应用场景确定具体场景化知识图谱及初始推荐模型，并将所述场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型，将所述目标推荐模型进行轻量化处理得到轻量级推荐模型；所述边缘侧接收所述云平台下发的所述轻量级推荐模型，并将所述行为数据输入所述轻量级推荐模型以生成推荐结果
。
本专利技术实施例的技术方案中在云平台对场景化知识图谱和初始推荐模型进行联合训练得到目标推荐模型，边缘侧接收云平台下发的对目标推荐模型进行轻量化处理得到轻量级推荐模型，根据轻量级推荐模型对行为数据进行验证以生成推荐结果，将模型训练放在云平台而不是放在边缘侧，可提高推荐模型训练的速度，且因模型训练过程中结合场景化知识图谱及对模型进行了轻量化处理，因此可提高边缘侧的场景化适应能力，进而还可提高边缘侧的推荐效果
。
附图说明
[0019]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0020]图1为本专利技术实施例提供的一种基于场景化知识图谱的推荐系统的架构图；
[0021]图2是本专利技术实施例提供的云平台和边缘侧网关及算力模块的架构图；
[0022]图3是本专利技术实施例提供的一种基于场景化知识图谱的推荐方法的流程示意图；
[0023]图4为本专利技术实施例提供的一种基于场景化知识图谱的推荐系统的示意性框图；
[0024]图5为本专利技术实施例提供的一种计算机设备的示意性框图
。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完
整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0026]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征
、
整体
、
步骤
、
操作
、
元素和
/
或组件的存在，但并不排除一个或多个其它特征
、
整体
、
步骤
、...

【技术保护点】

【技术特征摘要】
1.
一种基于场景化知识图谱的推荐方法，其特征在于，包括：边缘侧采集用户的行为数据，并对所述行为数据进行处理得到脱敏样例数据和特征向量数据；云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并根据所述脱敏样例数据和所述特征向量数据确定应用场景；所述云平台根据所述应用场景确定具体场景化知识图谱及初始推荐模型，并将所述场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型，将所述目标推荐模型进行轻量化处理得到轻量级推荐模型；所述边缘侧接收所述云平台下发的所述轻量级推荐模型，并将所述行为数据输入所述轻量级推荐模型以生成推荐结果
。2.
根据权利要求1所述的基于场景化知识图谱的推荐方法，其特征在于，所述边缘侧采集用户的行为数据，并对所述行为数据进行处理得到脱敏样例数据和特征向量数据，包括：所述边缘侧采集用户的主动行为数据和被动行为数据，并对所述主动行为数据和所述被动行为数据进行格式调整；所述边缘侧对格式调整后的所述主动行为数据和所述被动行为数据进行脱敏处理得到所述脱敏样例数据；所述边缘侧对格式调整后的所述主动行为数据和所述被动行为数据进行预处理得到主动处理行为数据和被动处理行为数据，并对所述主动处理行为数据和所述被动处理行为数据进行特征提取得到所述特征向量数据
。3.
根据权利要求1所述的基于场景化知识图谱的推荐方法，其特征在于，所述云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并根据所述脱敏样例数据和所述特征向量数据确定应用场景，包括：所述云平台接收所述边缘侧上发的所述脱敏样例数据和所述特征向量数据，并将所述脱敏样例数据和所述特征向量数据分别保存至场景化数据库和特征数据库；所述云平台将所述脱敏样例数据和所述特征向量数据与场景化知识图谱进行匹配以确定所述应用场景
。4.
根据权利要求1所述的基于场景化知识图谱的推荐方法，其特征在于，所述云平台根据所述应用场景确定具体场景化知识图谱及初始推荐模型，并将所述场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型，将所述目标推荐模型进行轻量化处理得到轻量级推荐模型，包括：所述云平台将所述场景化知识图谱和基础推荐模型库进行匹配以确定具体场景化知识图谱和初始推荐模型；所述云平台将所述具体场景化知识图谱和所述初始推荐模型进行联合训练得到目标推荐模型；所述云平台对所述目标推荐模型进行剪枝
、
量化
、
网络结构优化
、
知识蒸馏以及...

【专利技术属性】
技术研发人员：陈璐，杨震，李洁，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：