【技术实现步骤摘要】
本专利技术涉及一种基于知识图谱的序列化推荐方法，属于推荐算法。
技术介绍
1、推荐算法是用户在互联网海量信息中高效获取感兴趣信息的有效途径，已经是短视频、电商等面向用户的互联网产品研究的核心方法。
2、推荐算法的核心是在用户兴趣点与海量互联网信息间建立桥梁，构建出一个找寻感兴趣信息的方法。其具体过程如图1所示可被抽象表示为由用户塔和物品塔所组成的双塔架构：推荐算法在用户塔侧根据用户历史交互信息经过用户侧模型fu得到用户兴趣表示，并在物品塔侧根据物品辅助信息经过物品侧模型gv得到物品信息表示，最后根据两者相关性预测用户对物品的喜好程度以对用户进行推荐。
3、目前基于双塔架构的推荐算法已取得巨大成功，但仍存在以下三方面亟待解决的主要问题：(1)对于用户塔侧历史交互信息，模型难以建模历史序列中的时序特征。(2)对于物品塔侧辅助信息，模型难以避免多元辅助信息融合进物品表示时带来的信息损失。(3)双塔架构通常会对双塔信息交叉以进一步提升模型效果，对于信息交叉模型难以挖掘双塔间相关性，同时交叉参数过多易造成信息间负迁移。p>
本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的序列化推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于知识图谱的序列化推荐方法，其特征在于，步骤1所述序列化推荐模包括特征嵌入、时间注意力和预测模块，在特征嵌入模块采集推荐数据集中的用户物品历史交互信息四元组(用户，物品，评分，时间戳)，并按每个用户的时间戳排序得到用户行为序列和对应时间序列；
3.根据权利要求1所述的基于知识图谱的序列化推荐方法，其特征在于，步骤2所述知识图谱表示学习模型包括知识图谱构建嵌入、多粒度聚合和预测模块，在知识图谱构建嵌入模块，先将数据集中物品h及其对应辅助信息τ提取后按...
【技术特征摘要】
1.一种基于知识图谱的序列化推荐方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的基于知识图谱的序列化推荐方法，其特征在于，步骤1所述序列化推荐模包括特征嵌入、时间注意力和预测模块，在特征嵌入模块采集推荐数据集中的用户物品历史交互信息四元组(用户，物品，评分，时间戳)，并按每个用户的时间戳排序得到用户行为序列和对应时间序列；
3.根据权利要求1所述的基于知识图谱的序列化推荐方法，其特征在于，步骤2所述知识图谱表示学习模型包...
【专利技术属性】
技术研发人员：宋爱波，邱敬怡，方效林，孙季斌，王清未，张勇，苏猛猛，
申请(专利权)人：东南大学，
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。