[发明专利]一种基于商品知识图谱特征学习的推荐方法及系统

权利要求书

1.一种基于商品知识图谱特征学习的推荐方法，其特征在于，包括以下步骤：

S101、对电商网站商品数据采集与清洗，提取商品实体和关系，构建商品知识图谱；

S102、创建商品搭配模型，将构建好的商品知识图谱融合商品搭配模型，生成关联商品知识图谱；

S103、提取关联商品知识图谱特征，使用知识图谱特征学习算法进行学习从而得到基于商品推荐主题的实体和关系向量；

S104、构建推荐模型，通过向量的余弦相似度来计算商品实体之间的相关性，从而根据结果对用户进行商品推荐。

2.如权利要求1所述的一种基于商品知识图谱特征学习的推荐方法，其特征在于，所述步骤S101中对电商网站商品数据采集与清洗，提取商品实体和关系，构建商品知识图谱具体为：对电商网站商品数据采集，包括商品的名称、销量、分类、价格、评价；对电商网站商品数据进行清洗为：根据商品的名称和评论进行分词，建立专有词字典，对上述分词结果提取关键词，从关键词里找实体商品和关系，建立商品三元组商品A,关系，商品A的属性，生成csv表格，导入到neo4j中生成原始商品知识图谱。

3.如权利要求1所述的一种基于商品知识图谱特征学习的推荐方法，其特征在于，所述步骤S102中创建商品搭配模型，将构建好的商品知识图谱融合商品搭配模型，生成关联商品知识图谱，具体为：

201、根据网站中的商品分类构建商品搭配模型；

202、根据商品间关联度的高低，设置相应的权重值；

203、根据用户购买情况和商品促销情况及时更新商品之间的权重值；

204、将商品搭配模型和基本商品知识图谱融合，形成关联商品知识图谱。

4.如权利要求1所述的一种基于商品知识图谱特征学习的推荐方法，其特征在于，所述步骤S103中提取关联商品知识图谱特征，具体为：

301、实体连接：即从历史购买记录中发现商品字典里的词汇，并与关联商品知识图谱中的实体进行匹配；

302、提取商品知识图谱：根据商品字典匹配到的实体，在关联商品知识图谱中抽取子图；

303、关联商品知识图谱特征学习：使用知识图谱特征学习算法进行学习得到实体和关系向量。

5.如权利要求1所述的一种基于商品知识图谱特征学习的推荐方法，其特征在于，所述步骤S104中构建推荐模型为：计算用户历史购买过的商品A与搭配模型匹配到的商品B的相似度，从而根据相似度的大小推荐商品；这里用到的计算商品相似度的算法是向量的余弦相似度来计算它们之间的相关性similarity，计算公式为：

6.一种基于商品知识图谱特征学习的推荐系统，其特征在于，包括：

商品知识图谱构建模块，用于对电商网站商品数据采集与清洗，提取商品实体和关系，构建商品知识图谱；

关联商品知识图谱生成模块，用于创建商品搭配模型，将构建好的商品知识图谱融合商品搭配模型，生成关联商品知识图谱；

关联商品知识图谱特征提取模块，用于提取关联商品知识图谱特征，使用知识图谱特征学习算法进行学习从而得到基于商品推荐主题的实体和关系向量；

推荐模型构建模块，用于构建推荐模型，通过向量的余弦相似度来计算商品实体之间的相关性，从而根据结果对用户进行商品推荐。

7.如权利要求6所述的一种基于商品知识图谱特征学习的推荐系统，其特征在于，所述商品知识图谱构建模块，对电商网站商品数据采集与清洗，提取商品实体和关系，构建商品知识图谱，具体为：对电商网站商品数据采集，包括商品的名称、销量、分类、价格、评价；对电商网站商品数据进行清洗为：根据商品的名称和评论进行分词，建立专有词字典，对上述分词结果提取关键词，从关键词里找实体商品和关系，建立商品三元组商品A,关系，商品A的属性，生成csv表格，导入到neo4j中生成原始商品知识图谱。