[发明专利]基于行为语义知识网络的内容推荐方法有效

专利信息
申请号: 201810555990.3 申请日: 2018-06-01
公开(公告)号: CN108804633B 公开(公告)日: 2021-10-08
发明(设计)人: 陈磊;胡澜涛;张博;林乐宇;冯喆;饶君;刘书凯;刘毅;丘志杰;孙振龙;王良栋 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06F40/30
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 何平;邓云鹏
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 行为 语义 知识 网络 内容 推荐 方法
【权利要求书】:

1.一种基于行为语义知识网络的内容推荐方法,其特征在于,包括步骤:

获取各用户标识关联的项目行为数据以及各所述项目行为数据对应项目的属性特征数据;

获取知识图谱,其中,所述知识图谱包括各图谱节点以及图谱节点关联关系;

基于各所述项目行为数据以及对应的所述属性特征数据,确定项目属性网络,所述项目属性网络包括各所述项目行为数据对应项目的项目节点分别与属性特征数据对应的属性节点之间的关联关系;

基于各所述项目行为数据,确定项目行为网络,所述项目行为网络包括各所述项目行为数据对应项目的项目节点之间的关联关系;

基于知识图谱与项目属性网络的相同属性特征数据,关联所述知识图谱与所述项目属性网络,并基于项目属性网络与项目行为网络的相同项目,关联所述项目属性网络与所述项目行为网络,确定行为语义知识网络;其中,网络节点包括各所述项目行为数据对应项目的项目节点、各所述项目的属性特征数据对应的属性节点以及各所述图谱节点,所述行为语义知识网络包括各网络节点以及网络节点关联关系;各所述网络节点分别标示对应的项目行为数据对应项目以及与该项目对应的属性特征数据,或各所述网络节点包括标示对应的项目行为数据对应项目的各项目节点以及标示对应的属性特征数据的各属性节点;

获取目标推荐用户标识关联的特征数据;

基于所述特征数据以及所述行为语义知识网络中各网络节点,确定所述行为语义知识网络中对应于所述特征数据的节点;

将所述行为语义知识网络中,与对应于所述特征数据的节点相似的网络节点对应标示的内容,确定为所述目标推荐用户标识对应的待推荐内容;

向所述目标推荐用户标识推荐所述待推荐内容。

2.根据权利要求1所述的方法,其特征在于,基于各所述项目行为数据,确定项目行为网络,包括:

基于各所述项目行为数据对应项目,建立各所述项目节点;

在同一用户关联的项目行为数据对应项目之间的属性特征数据中的类目相同,且项目之间的行为顺序差小于预设差值时,建立该项目之间的关联关系。

3.根据权利要求2所述的方法,其特征在于,建立该项目之间的关联关系之后,还包括:

将所述项目行为网络中相邻的两个项目之间的距离设置为预设值;

将所述项目行为网络中相邻的两个项目之间的权重,设置为各所述用户对应的该相邻的两个项目之间的初始权重之和。

4.根据权利要求1所述的方法,其特征在于,确定所述行为语义知识网络之后,还包括:

基于所述行为语义知识网络,确定各节点序列,所述节点序列中的各节点属于所述行为语义知识网络中的网络节点;

分别对各所述节点序列中的各节点进行向量初始化,获得各所述节点序列中的各节点的初始向量;

根据各所述节点序列中的各节点的初始向量进行学习训练,确定所述行为语义知识网络中的各网络节点分别对应的向量。

5.根据权利要求4所述的方法,其特征在于,基于所述行为语义知识网络,确定各节点序列,包括:

从所述行为语义知识网络中的各所述网络节点中选择一个未被选择过的网络节点作为当前节点,将所述当前节点添加到当前节点序列;

基于所述当前节点选择当前待添加节点,所述当前待添加节点为所述当前节点的各邻居节点中,满足预设添加条件的邻居节点;

将所述当前待添加节点添加到所述当前节点序列;

将所述当前待添加节点作为当前节点,返回基于所述当前节点选择当前待添加节点的步骤,直至所述当前节点序列中的节点的数量达到预设节点数量;

创建新的空节点序列作为新的当前节点序列,返回从各所述网络节点中选择一个未被选择过的网络节点作为当前节点的步骤,直至各所述节点序列的数目达到预设序列数目。

6.根据权利要求5所述的方法,其特征在于,

根据所述邻居节点相对于所述当前节点的跳转概率以及随机参数值,确定所述邻居节点是否满足所述预设添加条件,所述跳转概率根据该邻居节点与上一次添加到该当前节点序列的节点之间的距离确定。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810555990.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top