【技术实现步骤摘要】
本专利技术涉及商品推荐，具体为一种基于知识图谱的评分预测推荐系统。
技术介绍
1、随着网络发展的迅速，信息的迅速膨胀，用户行为节奏的加快，越来越需求能快速获取用户直接需求或者潜在需求的信息，在这种需求下推荐系统的应用越来越广泛。
2、在推荐系统中，主要是根据用户对于某些产品的历史交易数据来分析用户的喜好，对用户进行产品推荐。然而其推荐的维度过于单一，这可能会导致从未与用户交互的物品无法被推荐，不仅用户的购物体验不佳，而且无法帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。
技术实现思路
1、本专利技术的目的在于提供一种基于知识图谱的评分预测推荐系统，从而解决现有推荐系统维度过于单一，会导致从未与用户交互的物品无法被推荐，无法帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务技术的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种基于知识图谱的评分预测推荐系统，包括：
3、数据采集模块，所述数据采集模块用于采集用户行为数据；
4、数据提取模块，所述数据提取模块用于对所述数据采集模块传输的数据进行特征数据提取。
5、时序知识图谱预测评分模块，所述时序知识图谱预测评分模块采用训练好的算法模型根据所述数据提取模块传输的数据对待推荐的商品进行评分，并将评分后的商品放入候选池内；
6、推荐模块，所述推荐模块用于将所述候选池内的商品推送给用户。
7、作为本专利技术的进一步方案
8、作为本专利技术的进一步方案，还包括用户行为知识图谱生成模块，所述户行为知识图谱生成模块根据用户以往点击商品的频率、时间和商品成交信息生成用户行为图谱。
9、作为本专利技术的进一步优选方案，所述用户行为图谱采用neo4j图数据库进行存储。
10、作为本专利技术的进一步优选方案，所述算法模型包括带有注意力机制的lstm神经网络，所述带有注意力机制的lstm神经网络的嵌入层拼接有所述用户行为知识图谱。
11、作为本专利技术的进一步方案，所述带有注意力机制的lstm神经网络用于获取商品评论中的特征，并根据商品的评论好坏生成第一参数；
12、所述户行为知识图谱用于捕获用户偏好的时间动态和根据用户已购买和浏览过的物品相识度来扩展其他商品，其中，物品相识度作为评分的第二参数；
13、所述第一参数和所述第二参数的值越大该商品的评分越高。
14、作为本专利技术的进一步方案，所述算法模型采用有监督的方法进行训练。
15、作为本专利技术的进一步方案，本系统还包括更新模块，所述更新模块每隔一段时间将训练好的所述算法模型更新到所述时序知识图谱预测评分模块内。
16、作为本专利技术的进一步优选方案，本系统还包括筛选模块，所述筛选模块用于设置筛选阈值，将评分低于筛选阈值的商品剔除候选池。
17、作为本专利技术的进一步方案，所述推荐模块推送商品的排列顺序根据评分由高到低排列。
18、与现有技术相比，本专利技术一种基于知识图谱的评分预测推荐系统的有益效果在于：
19、本专利技术提供由数据采集模块、数据提取模块和时序知识图谱预测评分模块、筛选模块和推荐模块构成，其中时序知识图谱预测评分模块可以根据用户输入的检索信息，生成相应的推荐商品，使用户可以浏览未曾浏览过的商品，而且还可以为用户提供个性化且精准的商品推荐，通过设置的筛选模块可以将更加优质的商品推送给用户，提高用户的交互和购物体验；本系统可自动进行模型训练且进行自动更新，有效降低企业的维护压力和成本。
本文档来自技高网...【技术保护点】
1.一种基于知识图谱的评分预测推荐系统，其特征在于包括：
2.根据权利要求1所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述特征数据包括用户ID、时间和用户输入的检索信息。
3.根据权利要求2所述的一种基于知识图谱的评分预测推荐系统，其特征在于：还包括用户行为知识图谱生成模块，所述户行为知识图谱生成模块根据用户以往点击商品的频率、时间和商品成交信息生成用户行为图谱。
4.根据权利要求3所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述用户行为图谱采用Neo4j图数据库进行存储。
5.根据权利要求3所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述算法模型包括带有注意力机制的LSTM神经网络，所述带有注意力机制的LSTM神经网络的嵌入层拼接有所述用户行为知识图谱。
6.根据权利要求5所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述带有注意力机制的LSTM神经网络用于获取商品评论中的特征，并根据商品的评论好坏生成第一参数；
7.根据权利要求6所述的一种基于知识图谱的评分预测推荐
8.根据权利要求7所述的一种基于知识图谱的评分预测推荐系统，其特征在于：还包括更新模块，所述更新模块每隔一段时间将训练好的所述算法模型更新到所述时序知识图谱预测评分模块内。
9.根据权利要求1所述的一种基于知识图谱的评分预测推荐系统，其特征在于：还包括筛选模块，所述筛选模块用于设置筛选阈值，将评分低于筛选阈值的商品剔除候选池。
10.根据权利要求9所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述推荐模块推送商品的排列顺序根据评分由高到低排列。
...【技术特征摘要】
1.一种基于知识图谱的评分预测推荐系统，其特征在于包括：
2.根据权利要求1所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述特征数据包括用户id、时间和用户输入的检索信息。
3.根据权利要求2所述的一种基于知识图谱的评分预测推荐系统，其特征在于：还包括用户行为知识图谱生成模块，所述户行为知识图谱生成模块根据用户以往点击商品的频率、时间和商品成交信息生成用户行为图谱。
4.根据权利要求3所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述用户行为图谱采用neo4j图数据库进行存储。
5.根据权利要求3所述的一种基于知识图谱的评分预测推荐系统，其特征在于：所述算法模型包括带有注意力机制的lstm神经网络，所述带有注意力机制的lstm神经网络的嵌入层拼接有所述用户行为知识图谱。
6.根据权利要...
【专利技术属性】
技术研发人员：潘永杰，赖超，程富琴，金富强，金雄威，
申请(专利权)人：浙江实达实工业购科技有限公司，
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。