System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及推荐系统领域,具体地,涉及一种基于元学习和负采样的知识图谱推荐方法。
技术介绍
1、随着互联网和智能设备的发展普及,各个网站、应用程序和社交网络平台的信息数据大幅增长,面对大量数据,为了方便用户在过载信息中快速准确地选择个人感兴趣的内容,推荐系统应运而生。推荐系统能够从大量数据中进行信息过滤来缓解信息过载问题,它通过了解用户的喜好,根据用户对各种项目的偏好和评分,对信息进行优先级排序,有效的将相关信息传达给用户,从而准确识别用户需求,帮助用户快速准确地找到感兴趣的内容,为用户提供个性化推荐。尽管近年来已经开发了许多不同的推荐方法,但由于实际应用需求的不断增长,人们对该领域的兴趣仍然很高。目前引起研究人员关注的一个重要问题是推荐系统的冷启动问题,它描述的是推荐系统在与新用户互动或者添加新项目时,因为缺乏关于这些用户或项目的先验信息,而无法进行准确推荐的问题。为解决该问题,很多工作集中于在数据层面进行数据扩充,比如利用知识图谱作为辅助信息丰富用户和项目表示、利用伪标签丰富现有的用户项目交互数据等,但由于数据的可用性和质量或用户隐私等问题,数据扩充的方法存在很多局限性。所以除了在数据层面上进行数据扩充外,近年来元学习方法也从模型层面提供了解决冷启动问题的新思路,但这些模型仍有不足之处。
技术实现思路
1、为了克服现有技术中的至少一个不足,本申请提供一种基于元学习和负采样的知识图谱推荐方法。
2、第一方面,提供一种基于元学习和负采样的知识图谱推荐模型构建方法,包括:<
...【技术保护点】
1.一种基于元学习和负采样的知识图谱推荐模型构建方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,其中,构建正协同知识图和负协同知识图,包括:
3.如权利要求2所述的方法,其特征在于,其中,对所述知识图谱中的项目进行负采样,得到负采样数据,包括:
4.如权利要求1所述的方法,其特征在于,所述注意力机制聚合层包括门控注意力模块、负注意力模块和聚合模块;
5.如权利要求4所述的方法,其特征在于,所述门控注意力模块用于对所述正实体和关系的表示进行特征提取,得到正项目邻居表示,包括:
6.如权利要求4所述的方法,其特征在于,所述负注意力模块用于对所述正实体和关系的表示进行特征提取,得到正用户邻居表示,包括:
7.如权利要求4所述的方法,其特征在于,所述融合层用于融合所述正用户表示和所述负用户表示,得到用户表示,融合所述正项目表示和所述负项目表示,得到项目表示,包括:
8.如权利要求1所述的方法,其特征在于,将所述正协同知识图和负协同知识图输入到所述知识图谱推荐模型中,对模型进行训练,得到训
9.如权利要求8所述的方法,其特征在于,模型训练过程中,采用的损失函数L为:
10.一种基于元学习和负采样的知识图谱推荐模型构建装置,其特征在于,包括:
11.一种基于元学习和负采样的知识图谱推荐方法,其特征在于,包括:
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,以实现权利要求1-9任意一项所述的基于元学习和负采样的知识图谱推荐模型构建方法,或者权利要求11所述的基于元学习和负采样的知识图谱推荐方法。
...【技术特征摘要】
1.一种基于元学习和负采样的知识图谱推荐模型构建方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,其中,构建正协同知识图和负协同知识图,包括:
3.如权利要求2所述的方法,其特征在于,其中,对所述知识图谱中的项目进行负采样,得到负采样数据,包括:
4.如权利要求1所述的方法,其特征在于,所述注意力机制聚合层包括门控注意力模块、负注意力模块和聚合模块;
5.如权利要求4所述的方法,其特征在于,所述门控注意力模块用于对所述正实体和关系的表示进行特征提取,得到正项目邻居表示,包括:
6.如权利要求4所述的方法,其特征在于,所述负注意力模块用于对所述正实体和关系的表示进行特征提取,得到正用户邻居表示,包括:
7.如权利要求4所述的方法,其特征在于,所述融合层用于融合所述正用户表示和所述...
【专利技术属性】
技术研发人员:荆小恬,刘再斌,李贵红,陈长远,杜文刚,刘强,
申请(专利权)人:西安煤科透明地质科技有限公司,
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。