一种基于语义增强的对话式推荐方法技术

本发明专利技术公开了一种基于语义增强的对话式推荐方法，涉及自然语言处理与推荐系统技术领域。首先，利用关系图卷积网络与知识图谱对对话中提及的实体及关系进行建模，并构建知识增强的提示向量丰富对话上下文信息。其次，在对话回复生成阶段，引入语义熵指标对候选回复集合的语义不确定性进行度量，通过语义蕴含机制对回复进行聚类并计算语义熵值，结合语义熵和多样性指标构建强化学习奖励函数，利用近端策略优化算法对生成模型进行微调，提升回复的语义一致性与表达多样性。最后，在物品推荐时，通过对结构化知识图谱嵌入与文本描述嵌入进行对齐融合，计算物品间语义相关性，并设计一种基于语义排名的动态优化策略，结合交叉熵损失构建推荐模块的多目标优化函数。本发明专利技术的技术方案能有效提升对话回复的生成质量与推荐的准确性，克服现有对话式推荐方法中对候选回复语义建模不足、忽略物品之间深层语义关联的问题。

【技术实现步骤摘要】

本专利技术属于对话式推荐，更为具体地讲，涉及一种基于语义增强的对话式推荐方法。

技术介绍

1、随着人工智能和自然语言处理技术快速迭代，推荐系统逐渐从静态模型向交互式模型转型。对话式推荐依托多轮语言交互，能够实时捕捉变化的用户偏好，并基于语境调整推荐结果，实现在复杂场景中提供更精准的个性化服务。对话式推荐作为连接用户需求与信息资源的重要桥梁，在提升用户体验和信息获取效率方面展现出广阔的应用前景。尽管相关研究持续推进，其关键能力仍面临诸多挑战。

2、在回复生成模块，由于多轮对话中用户往往以渐进且隐性的方式表达需求，现有方法受限于语义建模能力，难以准确捕捉真实意图，并且无法建模多个候选回复的语义不确定性。这导致了回复的内容可能存在语义发散、指向模糊的现象，进一步加大了对用户真实意图建模的不确定性。

3、与此同时，在物品推荐阶段，现有方法在挖掘物品之间的语义关联方面仍存在较大改进空间。多数研究在物品推荐过程中主要依赖静态知识结构来刻画物品间的联系，通常将“共现”关系作为推荐的重要依据，然而这类浅层次关联难以反映物品之间在语义层面的深层次共性本文档来自技高网...

【技术保护点】

1.一种基于语义增强的对话式推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于语义增强的对话式推荐方法，其特征在于，步骤1.2)中，引入一个映射矩阵Wgen对提示嵌入Pprompt进行对齐，并结合生成模型的向量空间Egen计算注意力加权提示嵌入，得到最终的知识增强的提示向量Pprompt：

3.根据权利要求1所述的基于语义增强的对话式推荐方法，其特征在于，步骤2.2)中，进一步引入了非严格双向蕴含的判断机制，以扩展语义聚类的覆盖范围：当两个回复之间满足至少一方蕴含另一方，且二者关系不存在“矛盾”关系且互不“中立”时，即认为它们具有弱语义等价性，并将...

【技术特征摘要】

1.一种基于语义增强的对话式推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于语义增强的对话式推荐方法，其特征在于，步骤1.2)中，引入一个映射矩阵wgen对提示嵌入pprompt进行对齐，并结合生成模型的向量空间egen计算注意力加权提示嵌入，得到最终的知识增强的提示向量pprompt：

3.根据权利要求1所述的基于语义增强的对话式推荐方法，其特征在于，步骤2.2)中，进一步引入了非严格双向蕴含的判断机制，以扩展语义聚类的覆盖范围：当两个回复之间满足至少一方蕴含另一方，且二者关系不存在“矛盾”关系且互不“中立”时，即认为它...

【专利技术属性】
技术研发人员：邹杰，钟长宾，杨阳，申恒涛，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：