[发明专利]基于知识图谱的用户建模方法、序列推荐方法

说明书

本发明属于用户建模与推荐系统领域，具体涉及一种基于知识图谱的用户建模方法、序列推荐方法，旨在为了解决现有用户建模方法无法有效提取用户动态访问信息的特征，准确捕捉用户兴趣；现有序列推荐系统推荐准确率不高，用户体验较差的问题。本发明将内容特征和结构特征作为项目的完整表示，基于用户与项目之间的语义路径获取用户和项目之间的交互表示，通过自注意力模型获取用户动态偏好。基于用户动态偏好和待预测项目，通过推荐模型得到推荐结果。本发明的用户建模方法能够有效提取用户动态访问信息的特征，引入语义路径准确的捕捉交互级别的用户动态偏好；基于知识图谱序列推荐方法提升了推荐的准确性，用户体验更好。

技术领域

本发明属于用户建模与推荐系统领域，具体涉及一种基于知识图谱的用户建模方法、序列推荐方法。

背景技术

随着互联网技术的不断发展，为用户提供个性化的服务显得尤为重要，通过提供个性化的服务，最大化满足用户的需求，培养用户粘度和忠诚度，是服务提供商打败竞争对手的有效方法。个性化服务的核心是匹配用户需求，其中用户建模是关键。现有技术中，用户兴趣建模有基于用户静态信息的建模方法，如根据用户性别、年龄、出生日期等作为用户的特征，此方法无法准确把握用户的动态兴趣变化；还有基于动态信息的方法，如通过获取用户访问过的页面文本信息，从文本信息中提取关键词，将所有关键词组合成为用户特征。由于互联网内容的大规模、异质多元、组织结构多样，如何从有限的用户信息中提取用户特征成为用户模型建立的关键所在。

序列推荐系统致力于通过用户的历史行为序列信息分析和满足用户当前的需求。由于用户的兴趣会随着时间动态演变，如何准确捕捉用户的动态兴趣变化，是当前推荐系统领域重点关注的问题之一。与理解用户动态兴趣迁移同等重要的是，为用户提供可信的、可解释性的个性化推荐，以使用户明确理解为什么推荐系统将当前的候选项目推荐给他/她。

综上所述，现有技术中用户建模方法无法有效提取用户动态访问信息的特征，准确捕捉用户兴趣；基于现有建模方法的序列推荐系统推荐准确率不高，用户体验较差。

发明内容

为了解决现有技术中的上述问题，即为了解决现有技术中用户建模方法无法有效提取用户动态访问信息的特征，准确捕捉用户兴趣的问题，本发明第一方面提出了一种基于知识图谱的用户建模方法，该方法包括：

步骤S110，分别获取用户所访问的历史项目序列中每个项目的内容特征表示和结构特征表示，并通过多模态融合构建项目的完整表示；每个项目的结构特征表示基于预设的知识图谱中实体和关系的结构信息获取；

步骤S120，获取用户与所访问的历史项目序列中每个项目的完整表示之间的语义路径表示，通过第一网络模型分别获取用户和各项目之间的交互表示；所述第一网络模型基于自注意力网络构建，用于基于用户与所访问的项目之间的多条语义路径表示，通过对各语义路径表示的加权获取用户和所述项目的交互表示；

步骤S130，基于用户和所访问的历史项目序列中每个项目之间的交互表示，通过第二网络模型获取所述用户的动态偏好表示；所述第二网络模型基于自注意力网络搭建，用于基于用户与所访问的每个项目的交互表示，通过对各交互表示加权获得所述用户的动态偏好表示。

在一些优选的实施方式中，所述项目的内容特征包括所述项目的文本特征和视觉特征。

在一些优选的实施方式中，所述文本特征为所述项目的标题和描述的文本表示。

在一些优选的实施方式中，所述视觉特征为从所述项目的图片中提取的图像特征。

在一些优选的实施方式中，“每个项目的内容特征表示和结构特征表示”满足所述知识图谱中实体和关系的结构约束，所述结构约束包括四种结构约束方式：