【技术实现步骤摘要】
本专利技术涉及数据处理，特别涉及基于知识图谱的智能推荐系统及方法。
技术介绍
1、近年来，随着大数据和人工智能技术的迅猛发展，个性化推荐系统在电子商务、社交网络、新闻推送等领域得到了广泛应用。推荐系统通过分析用户的历史行为和兴趣，向用户推荐其可能感兴趣的内容或商品，从而提高用户体验和平台的运营效率。目前，基于协同过滤、矩阵分解和深度学习的方法是推荐系统的主流技术。然而，随着数据规模的不断扩大和用户需求的日益复杂，传统推荐技术在处理复杂关系和高维数据时面临诸多挑战和问题。
2、协同过滤（collaborative filtering）技术是推荐系统中最早应用的一种方法。它主要分为基于用户的协同过滤和基于项目的协同过滤。基于用户的协同过滤通过计算用户之间的相似度，推荐与相似用户喜欢的项目；基于项目的协同过滤则通过计算项目之间的相似度，推荐与用户历史上喜欢的项目相似的项目。虽然协同过滤技术简单易实现，但它存在两个主要问题：一是冷启动问题，当新用户或新项目出现时，由于缺乏历史数据，难以进行准确推荐；二是数据稀疏性问题，用户与项目之间...
【技术保护点】
1.基于知识图谱的智能推荐系统，其特征在于，所述系统包括：知识图谱构建部分、嵌入表示部分、超图处理部分和推荐生成部分；所述知识图谱构建部分，用于从数据源采集数据，进行预处理，构建初始数据集，使用初始数据集构建知识图谱，提取实体和关系；所述嵌入表示部分，用于使用变分图自编码器对知识图谱中的实体进行嵌入表示，使用变分图自编码器对知识图谱中的关系进行嵌入表示；超图处理部分，用于基于实体嵌入表示和关系嵌入表示构建超图，利用超图卷积神经网络，提取高阶特征，将卷积操作后的得到的高阶特征与实体嵌入表示和关系嵌入表示进行融合，生成最终特征表示；推荐生成部分，用于基于最终特征表示，生成...
【技术特征摘要】
1.基于知识图谱的智能推荐系统，其特征在于，所述系统包括：知识图谱构建部分、嵌入表示部分、超图处理部分和推荐生成部分；所述知识图谱构建部分，用于从数据源采集数据，进行预处理，构建初始数据集，使用初始数据集构建知识图谱，提取实体和关系；所述嵌入表示部分，用于使用变分图自编码器对知识图谱中的实体进行嵌入表示，使用变分图自编码器对知识图谱中的关系进行嵌入表示；超图处理部分，用于基于实体嵌入表示和关系嵌入表示构建超图，利用超图卷积神经网络，提取高阶特征，将卷积操作后的得到的高阶特征与实体嵌入表示和关系嵌入表示进行融合，生成最终特征表示；推荐生成部分，用于基于最终特征表示，生成推荐列表；所述嵌入表示部分，使用变分图自编码器对知识图谱中的实体进行嵌入表示时，在变分图自编码器的输入实体和其关联的关系集合，表示第个实体；得到实体嵌入表示为；其中，为潜在变量，作为实体的实体嵌入表示；表示将实体和其对应的关系集合输入到变分图自编码器中；是从标准正态分布中采样的噪声向量；表示逐元素相乘；是潜在变量的标准差，表示变分图自编码器预测的潜在空间中实体的方差；是潜在变量的均值，表示编码器预测的潜在空间中实体的均值。
2.如权利要求1所述的基于知识图谱的智能推荐系统，其特征在于，所述知识图谱构建部分包括：数据采集单元、实体和关系处理单元和知识图谱构建单元；所述数据采集单元，用于从数据源采集数据，对数据源采集到的数据进行数据清洗处理和数据标准化处理，构建初始数据集；所述实体和关系处理单元，用于使用命名实体识别技术，从初始数据集提取实体；利用关系抽取技术，从初始数据集中提取实体之间的关系；对相同实体和关系进行链接，以去除冗余信息；将实体和关系组合生成三元组；其中，表示第个实体，表示第个关系；所述知识图谱构建单元，用于将实体、关系和三元组整合，最终形成知识图谱；其中，表示去除冗余信息后的实体集合，表示去除冗余信息后的关系集合，表示所有三元组组成的三元组集合。
3.如权利要求2所述的基于知识图谱的智能推荐系统，其特征在于，所述数据源至少包括：社交媒体平台、电子商务平台、新闻网站、论坛和博客。
4.如权利要求3所述的基于知识图谱的智能推荐系统，其特征在于，所述嵌入表示部分，使用变分图自编码器对知识图谱中的关系进行嵌入表示时，在变分图自编码器的输入关系和其连接的实体集合；得到关系嵌入表示为：；是权重矩阵，用...
【专利技术属性】
技术研发人员：李边芳，耿晓娜，邓栋，王培，周家文，
申请(专利权)人：青岛海尔乐信云科技有限公司，
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。