【技术实现步骤摘要】
本申请涉及人工智能领域或其他相关领域，具体而言，涉及一种基于知识图谱的业务推荐方法、装置以及电子设备。
技术介绍
1、知识图谱是一种用于描述实体之间关系的图形化表示方法，是人工智能领域中的重要研究方向之一。知识图谱补全是指在已有的知识图谱中，通过推理和预测等方法，自动地发现新的实体和关系，从而完善知识图谱的过程。目前，已经有很多知识图谱补全模型被提出，例如transe、transh、transr等。知识图谱补全模型的好坏直接影响到知识图谱的质量和应用效果。因此，如何评估知识图谱补全模型的性能成为了一个重要的问题。
2、相关技术中，对于模型性能的判断通常采用模型指标进行评估，例如平均准确率(map)、平均倒数排名(mrr)，然而，在利用模型指标进行模型评分时，模型之间会存在分数相近的情况，容易导致错误数据干扰结果，进而无法根据相似的分数选择出合适的知识图谱补全模型，也无法区分不同的错误类型。而利用不合适的知识图谱补全模型对业务关联的知识图谱进行补全后，得到的知识图谱不能准确体现业务与客户的关系，进而无法根据知识图谱向用户提供精准的业务推荐服务。
3、针对相关技术中利用知识图谱补全模型确定知识图谱准确率低，根据知识图谱进行业务推荐的准确率低的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种基于知识图谱的业务推荐方法、装置以及电子设备，以解决相关技术中利用知识图谱补全模型确定知识图谱准确率低，根据知识图谱进行业务推荐的准确率低的问
2、为了实现上述目的，根据本申请的一个方面，提供了一种基于知识图谱的业务推荐方法。该方法包括：获取金融机构的预设知识图谱，其中，预设知识图谱包括n个三元组，每个三元组包括用户实体、业务实体以及用户实体和业务实体之间的关系，n为正整数；获取m个候选图谱补全模型，并获取每个候选图谱补全模型对预设知识图谱的预测数据，得到m组预测数据，其中，预测数据表征对n个三元组的预测准确度，m为正整数；对于每个候选图谱补全模型，根据候选图谱补全模型关联的一组预测数据计算初始指标值，并根据初始指标值以及一组预测数据计算候选图谱补全模型的模型指标值，得到模型指标值；根据模型指标值对m个候选图谱补全模型进行降序排序，得到模型排列，并将模型排列中预设序位的候选图谱补全模型确定为目标知识图谱补全模型；根据目标知识图谱补全模型补全预设知识图谱，并利用补全后的知识图谱为目标用户推荐目标业务。
3、可选地，对于每个候选图谱补全模型，根据候选图谱补全模型关联的一组预测数据计算初始指标值包括：从候选图谱补全模型关联的一组预测数据中确定n个三元组的预测准确度排列序号值，得到n个排列序号值；计算n个排列序号值的倒数的平均值，得到初始指标值。
4、可选地，对于每个候选图谱补全模型，根据候选图谱补全模型关联的一组预测数据计算初始指标值包括：从候选图谱补全模型关联的一组预测数据中确定n个三元组的预测准确度排列序号值，得到n个排列序号值，并确定每个三元组的预测结果的值，其中，预测结果的值包括预测正确的值以及预测错误的值；确定y个轮询次数，计算每个轮询次数下n个三元组的预测结果的值与n个排列序号值倒数的乘积的平均值，得到子初始指标值，其中，y为正整数；计算y个轮询次数下的y个子初始指标值的平均值，得到初始指标值。
5、可选地，模型指标值至少包括以下之一：准确性指标值、效率指标值以及鲁棒性指标值，根据初始指标值以及一组预测数据计算候选图谱补全模型的模型指标值包括：根据初始指标值以及一组预测数据计算得到准确性指标值；计算候选图谱补全模型的多个模型时间参数值的平均值，得到效率指标值，其中，模型时间参数值至少包括单次迭代时间、整体训练时间以及预测时间；确定候选图谱补全模型的多个子模型指标值以及每个子模型指标值的权重，根据权重对多个子模型指标值进行加权求和计算，得到鲁棒性指标值；根据准确性指标值、效率指标值以及鲁棒性指标值计算得到模型指标值。
6、可选地，准确性指标值包括第一准确性指标值和第二准确性指标值，根据初始指标值以及一组预测数据计算得到准确性指标值包括：获取n个三元组的实体连接数据和n个三元组中的实体关系的出现次数，得到n个实体连接数据和n组次数数据；计算n个实体连接数据的总和，得到连接数据总和，计算每个实体连接数据与连接数据总和的比值，得到n个预设比值，从n个预设比值中筛选得到最大比值和最小比值，并从n组次数数据中筛选得到最大次数数据和最小次数数据；对于一个实体，从n个预设比值中筛选得到实体关联的预设比值，得到第一比值，计算第一比值与最小比值的差值，得到第一差值，计算第一差值与第二差值的比值，得到第二比值，并计算第二比值与初始指标值的乘积，得到第一准确指标值，其中，第二差值为最大比值与最小比值的差值；对于一个实体，计算实体的实体关系的次数数据与最小次数数据的差值，得到第三差值，计算第三差值与第四差值的比值，得到第三比值，并计算第三比值与初始指标值的乘积，得到第二准确指标值，其中，第四差值为最大次数数据和最小次数数据的差值；对于一个实体，计算第一准确指标值与第二准确指标值的平均值，得到子准确性指标值，计算预设知识图谱中所有实体的子准确性指标值的均值，得到准确性指标值。
7、可选地，确定候选图谱补全模型的多个子模型指标值包括：获取z组对抗样本，根据z组对抗样本确定候选图谱补全模型的第一子模型指标值、第二子模型指标值以及第三子模型指标值，得到z个第一子模型指标值、z个第二子模型指标值以及z个第三子模型指标值，其中，z为正整数；从z个第一子模型指标值、z个第二子模型指标值以及z个第三子模型指标值中分别确定最大第一子模型指标值、最大第二子模型指标值以及最大第三子模型指标值；计算每个第一子模型指标值与最大第一子模型指标值的比值，得到z个第四比值，计算每个第二子模型指标值与最大第二子模型指标值的比值，得到z个第五比值，计算每个第三子模型指标值与最大第三子模型指标值的比值，得到z个第六比值；将z个第四比值的总和、z个第五比值的总和以及z个第六比值的总和确定为子模型指标值。
8、可选地，根据准确性指标值、效率指标值以及鲁棒性指标值计算得到模型指标值包括：分别获取准确性指标值、效率指标值以及鲁棒性指标值的权重，得到第一权重、第二权重以及第三权重；根据第一权重、第二权重以及第三权重对准确性指标值、效率指标值以及鲁棒性指标值进行加权求和计算，得到模型指标值。
9、为了实现上述目的，根据本申请的另一方面，提供了一种基于知识图谱的业务推荐装置。该装置包括：第一获取单元，用于获取金融机构的预设知识图谱，其中，预设知识图谱包括n个三元组，每个三元组包括用户实体、业务实体以及用户实体和业务实体之间的关系，n为正整数；第二获取单元，用于获取m个候选图谱补全模型，并获取每个候选图谱补全模型对预设知识图谱的预测数据，得到m组预测数据，其中，预测数据表征对n个三元组的预测准确度，m为正整数；计算单元，用于对于每个候选图谱补全模本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的业务推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对于每个候选图谱补全模型，根据所述候选图谱补全模型关联的一组预测数据计算初始指标值包括：
3.根据权利要求1所述的方法，其特征在于，对于每个候选图谱补全模型，根据所述候选图谱补全模型关联的一组预测数据计算初始指标值包括：
4.根据权利要求1所述的方法，其特征在于，所述模型指标值至少包括以下之一：准确性指标值、效率指标值以及鲁棒性指标值，根据所述初始指标值以及一组预测数据计算所述候选图谱补全模型的模型指标值包括：
5.根据权利要求4所述的方法，其特征在于，所述准确性指标值包括第一准确性指标值和第二准确性指标值，根据所述初始指标值以及一组预测数据计算得到所述准确性指标值包括：
6.根据权利要求4所述的方法，其特征在于，确定所述候选图谱补全模型的多个子模型指标值包括：
7.根据权利要求4所述的方法，其特征在于，根据所述准确性指标值、所述效率指标值以及所述鲁棒性指标值计算得到所述模型指标值包括：
8.一种基于
9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的基于知识图谱的业务推荐方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的基于知识图谱的业务推荐方法。
...【技术特征摘要】
1.一种基于知识图谱的业务推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对于每个候选图谱补全模型，根据所述候选图谱补全模型关联的一组预测数据计算初始指标值包括：
3.根据权利要求1所述的方法，其特征在于，对于每个候选图谱补全模型，根据所述候选图谱补全模型关联的一组预测数据计算初始指标值包括：
4.根据权利要求1所述的方法，其特征在于，所述模型指标值至少包括以下之一：准确性指标值、效率指标值以及鲁棒性指标值，根据所述初始指标值以及一组预测数据计算所述候选图谱补全模型的模型指标值包括：
5.根据权利要求4所述的方法，其特征在于，所述准确性指标值包括第一准确性指标值和第二准确性指标值，根据所述初始指标值以及一组预测数据计算得到所述准确性指标值...
【专利技术属性】
技术研发人员：石韵玮，
申请(专利权)人：中国工商银行股份有限公司，
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。