[发明专利]基于知识图谱的推荐方法、装置、计算机设备及存储介质

说明书

本发明公开了基于知识图谱的推荐方法、装置、计算机设备及存储介质，包括：确定所述多个节点中的待分析节点，将所述待分析节点与第一层邻居节点的关系权重值置为a，并随机计算所述待分析节点的任一邻居节点到所述待分析节点的第L层节点的关系权重值I，其中I＝a‑(L‑1)*(a/6)；选择所述待分析节点到其他节点的关系权重值大于预设值的节点生成推荐路径；根据所述推荐路径生成所述待分析节点与其他节点之间的推荐数据。本发明通过对知识图谱节点多次随机计算，从单节点出发，获取到其它节点的关系强度值，然后选择满足预设关系强度值的节点生成推荐路径，解决了不能高效率低成本得到精确推荐结果的问题。

技术领域

本发明涉及数据知识图谱领域，尤其涉及一种基于知识图谱的推荐方法、装置、计算机设备及存储介质。

背景技术

在基于知识图谱的推荐系统中，需要计算网络节点间的关系强度，从而得到基于网络节点之间相关性的推荐结果，在计算网络节点间关系强度时，通常采用路径搜索、节点间相似度等多种方法，其中采用路径搜索的方法，更能够反映两点之间的关联情况，对于关系强度计算和关系预测具有重要作用。

现有的路径搜索方法主要包括：

采用最短路径衡量两点间关系强弱时，采用最先到达目标点的路径信息，计算关系强度。然而此类方法的弊端在于仅从局部的角度考虑信息，未从整体角度考虑关联情况，即使两点最短路径较长，若两点之间存在的路径很多，关系强度仍然偏强。

采用全路径方法计算两点之间的所有路径时，此类方法虽然从全局角度考虑，但是对于大规模图谱，两点间可存在百万条以上路径，执行一次具有较高的时间和空间成本，通常只能作为查询使用，无法一次性计算图中任意两点的关系权重。

因此，现有技术在通过知识图谱节点之间关系强度得到推荐结果时，还存在不能高效率低成本得到精确推荐结果的问题。

发明内容

有鉴于此，本发明提出一种基于知识图谱的推荐方法、装置、计算机设备及存储介质，用于解决在通过知识图谱节点之间关系强度得到推荐结果时，不能高效率低成本得到精确推荐结果的问题。

首先，为实现上述目的，本发明提出一种基于知识图谱的推荐方法，所述知识图谱包括多个节点，所述方法包括：

确定所述多个节点中的待分析节点，将所述待分析节点与第一层邻居节点的关系权重值置为a，并随机计算所述待分析节点的任一邻居节点到所述待分析节点的第L层节点的关系权重值I，其中I＝a-(L-1)*(a/6)；

选择所述待分析节点到其他节点的关系权重值大于预设值的节点生成推荐路径；

根据所述推荐路径生成所述待分析节点与其他节点之间的推荐数据。

进一步的，所述知识图谱包括用户属性节点和产品属性节点，所述方法还包括：

根据用户属性表生成所述知识图谱的用户属性节点，根据产品属性表生成所述知识图谱的产品属性节点，所述用户属性表包括用户的产品购买历史记录，所述产品属性表包括对应产品的属性信息；对应的，所述根据所述推荐路径生成所述待分析节点与其他节点之间的推荐数据包括：

将所述推荐路径中的产品属性节点信息推荐给所述推荐路径中的用户属性节点。

进一步的，所述确定所述多个节点中的待分析节点，将所述待分析节点与第一层邻居节点的关系权重值置为a，并随机计算所述待分析节点的任一邻居节点到所述待分析节点的第L层节点的关系权重值I包括：

初始化所述待分析节点到其他节点的关系权重值；

关联所述待分析节点和所述第一层邻居节点；

对所述待分析节点到所述第一层邻居节点的关系权重赋值为a；