[发明专利]基于Meta-graph知识图谱表示的对话式音乐推荐方法

说明书

本发明公开了一种基于Meta‑graph知识图谱表示的对话式音乐推荐方法，该方法包括基于Meta‑graph知识图谱的表示方法离线生成特征向量和基于Bandit算法的在线对话式推荐两部分。该方法实现对话场景下的基于Meta‑graph方法表示知识图谱的音乐推荐，即在人机对话的场景下，实时获取用户对音乐的偏好，并结合知识图谱来建模用户的长短期偏好，及时给予上下文感知的推荐结果，能够实现实时推荐，且对上下文信息、用户需求和反馈能良好处理。

技术领域

本发明属于数据挖掘中的音乐推荐技术领域，更为具体地讲，涉及应用场景为人机对话场景的一种基于Meta-graph知识图谱表示的对话式音乐推荐方法。

背景技术

网络信息技术的迅猛发展为人们的生活带来了极大的便捷，与此同时，也抛出了新的问题与困难：信息过载。推荐技术便是缓解和解决此类问题的一剂良方。

推荐技术旨在信息过滤，能主动向用户推荐其感兴趣的信息，而一个好的推荐技术则既可以提高用户粘性与忠诚，又能获得商业利益，达到双赢的局面。当前，国内外许多知名互联网公司也已经将推荐技术应用到产品当中，并获得了可观的回报。

音乐推荐是一类具有代表性的推荐技术研究领域，它具有推荐种类繁多、数量庞大、实时性强、上下文信息丰富、消费代价低以及允许重复消费等特性，且音乐作为当下一类主流的消费商品，具有很强的商业价值。

学术界和工业界针对音乐推荐也已有多年的研究与实践经验上，并取得了不俗的表现。但是随着时代的变迁与技术的变革，人工智能催生了许多全新应用场景，对话系统便是其中极具代表性的方向之一。然而目前存在几类对话式音乐推荐方法，但是其反馈方式和应用场景均单一，不能实现在人机对话场景下的实时音乐推荐。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于Meta-graph知识图谱表示的对话式音乐推荐方法，该方法实现对话场景下的基于Meta-graph方法表示知识图谱的音乐推荐，即在人机对话的场景下，实时获取用户对音乐的偏好，并结合知识图谱来建模用户的长短期偏好，及时给予上下文感知的推荐结果，以实现音乐实时推荐，以及对上下文信息、用户需求和反馈的良好处理。

为实现上述发明目的，本发明基于Meta-graph知识图谱表示的对话式音乐推荐方法，其特征在于，包括以下步骤：

(1)、获取音乐知识图谱与用户行为数据，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出的用户-音乐知识图谱作为基于Meta-graph知识图谱表示方法的输入，生成用户特征向量与目标音乐实体特征向量，构成用户与目标音乐实体特征向量池；

(2)、从人机对话内容中识别当前用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的候选目标音乐实体集合；

(3)、从用户与目标音乐实体特征向量池中，获取当前用户的特征向量和候选目标音乐实体集合中各候选目标音乐实体的特征向量；

(4)、根据当前用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量，基于Bandit算法进行实时推荐，得到候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给当前用户。

本发明的目的是这样实现的。