[发明专利]一种基于知识图谱的冷启动解决方法

说明书

本发明公开一种基于知识图谱的冷启动解决方法，包括：步骤1：构建专业知识图谱；步骤2：将所述专业知识图谱中的实体和关系信息映射到低维向量空间；步骤3：将新用户加入推荐系统获取所述新用户的属性信息；步骤4：将所述新用户的属性信息整理为实体信息找出对应向量；步骤5：根据所述对应向量及相关关系，反推用户向量；步骤6：将所述用户向量加入到低维向量空间；步骤7：计算所述用户向量与系统中的其他用户向量之间的相似度；步骤8：根据相似度的排序，通过协同过滤算法为所述新用户进行物品推荐。本发明所述解决方法能够应用于新用户/新物品加入推荐系统的阶段，推导其向量表示，从而应用其他推荐算法进行推荐。

技术领域

本发明属于知识图谱的应用技术领域，具体涉及一种基于知识图谱的冷启动解决方法。

背景技术

针对推荐系统在实际应用场景中经常遇到的用户/物品冷启动问题，如在图书、电影、电商等领域，传统推荐算法会由于新注册用户缺乏与相应物品对应的交互信息而无法进行相关推荐；同理，新物品的加入也存在类似问题；构建专业领域知识图谱，融合多源多方面信息，能够更好地表达用户特征。

现有知识图谱研究主要集中于图谱的构建方法、图谱的知识表示学习，以及知识图谱应用于推荐算法提升推荐性能等，同时也有一些利用知识图谱解决稀疏性(用户物品间的历史交互信息少)和冷启动问题(由于数据稀疏性问题的存在，对于新用户/新物品无法给出推荐)的现有技术。

但这些研究默认于已经获取了所有用户/物品的相关属性信息，并且在知识图谱表示学习训练过程中运用这些信息计算用户/物品向量，换句话说，其冷启动问题是针对数据稀疏性的冷启动问题；但在实际中，真正的冷启动问题是不包含用户/物品的任何信息，在知识图谱中也不包含相应用户/物品向量。

目前现有技术中将知识图谱与推荐相结合的方法，虽然一定程度上解决了稀疏性和针对于稀疏性的冷启动问题，但对于完全缺乏用户/物品信息的冷启动问题，还没有普遍的解决方案。

基于现有技术中存在如上的技术问题，本发明人结合多年的研究经验，提出一种基于知识图谱的冷启动解决方法。

发明内容

本发明提供一种基于知识图谱的冷启动解决方法，本方案能够应用于新用户/新物品加入推荐系统的阶段，推导其向量表示，从而应用推荐算法进行推荐。

为达到上述目的，本发明采用以下技术方案：

一种基于知识图谱的冷启动解决方法，包括：

步骤1：构建专业知识图谱；

步骤2：将所述专业知识图谱中的实体和关系信息映射到低维向量空间；

步骤3：将新用户加入推荐系统，通过要求所述新用户填写或选择相关信息的方式获取所述新用户的属性信息；

步骤4：将所述新用户的属性信息整理为实体信息，将所述实体信息与所述低维向量空间对应，找出对应向量；

步骤5：根据所述对应向量及相关关系，反推用户向量；

步骤6：将所述用户向量加入到低维向量空间，并将所述用户向量注明为推测向量；

步骤7：计算所述用户向量与系统中的其他用户向量之间的相似度；

步骤8：根据相似度的排序，通过协同过滤算法为所述新用户进行物品推荐。

进一步地，步骤1中包括获取应用场景下用户的属性信息和交互信息，过滤无效信息，总结信息的关联关系，总结并抽取实体及对应关系。

进一步地，步骤5中，所述用户向量通过如下公式算得：