[发明专利]一种融合关系抽取的推荐系统及方法

说明书

本发明涉及一种融合关系抽取的推荐系统及方法，属于内容推荐技术领域。所述系统中的物品特征构建模块构建文本特征矩阵、基础实体特征矩阵和增强实体特征矩阵，进而得到目标物品和用户历史行为中交互物品的特征向量；用户兴趣构建模块得到用户兴趣向量；多层感知机模块得到用户点击目标物品的概率；所述方法包括1)关系抽取子模块预测实体间的关系；2)通过知识提取获得词嵌入、基础实体嵌入和增强实体嵌入集合；3)采用KCNN构建物品特征；4)构建用户兴趣构建用户兴趣；5)拼接特征向量，预测用户点击目标物品的概率。所述系统及方法能有效降低实体对模板的影响，准确度比现有技术高。

技术领域

本发明涉及一种融合关系抽取的推荐系统及方法，属于人工智能、网络大数据以及内容推荐技术领域。

背景技术

基于内容的推荐系统广泛应用到各种领域中，有着广阔的发展前景。推荐系统为用户提供个性化的服务，拉近用户与网络平台的距离，大大提升用户的体验。此外，基于内容的推荐系统的研究理念和处理方法在广告投放、搜索引擎等领域中有着重要的借鉴价值。

例如，在新闻场景中，随着万维网(World Wide Web，WWW)的发展，绝大多数的人们通过互联网阅读新闻。国外的谷歌新闻(Google News)、必应新闻(Bing News)等，国内的新浪新闻、腾讯新闻等在线新闻网站从各种来源收集新闻，并为读者提供新闻的汇总视图。新闻数量是庞大的，为了缓解信息过载的问题，为不同的用户提供个性化的新闻列表是十分重要的。新闻推荐场景主要采用基于内容的推荐方法，近些年通过融合知识获得更好的推荐结果。

此外，本发明还涉及了关系抽取技术，该技术旨在从非结构化文本中自动抽取实体之间的关系，为用户提供深层次的文本分析功能。其突破了传统的人工处理方法，可以大幅提高效率和准确率。同时，该任务可以为对话系统、推荐系统等提供关键的语义信息；还可以为语义网络标注、机器翻译、情感分析等自然语言处理任务提供技术支持，具有重大研究意义。

传统的基于内容的推荐系统常采用已有知识图谱信息来补充知识，导致知识缺乏针对性。此外，传统的关系抽取模型对WordNet词典信息的利用仅停留在词语层面的问题，对WordNet词典信息利用不充分，并缺乏实体间的深层次联系。

发明内容

本发明的目的是为了解决现有基于内容的推荐系统在补充知识时采用的知识缺乏针对性的问题，进一步提高推荐系统的预测准确度，提出了一种融合关系抽取的推荐系统及方法。

本发明是通过如下技术方案实现的。

所述融合关系抽取的推荐系统及方法包括一种融合关系抽取的推荐系统以及融合关系抽取的推荐方法；

其中，所述融合关系抽取的推荐系统，包括知识提取模块、物品特征构建模块、用户兴趣构建模块以及多层感知机模块；

其中，知识提取模块包括词嵌入模块、基础实体模块和增强实体模块；

其中，基础实体模块包括基础实体链接子模块、过滤图谱子模块和知识表示学习子模块；增强实体模块包括增强实体链接子模块、关系抽取子模块和知识表示学习子模块；

其中，关系抽取子模块包括句子特征提取器、模板特征提取器以及门限融合器；

所述融合关系抽取的推荐系统中各模块的连接关系如下：

知识提取模块与物品特征构建模块相连；物品特征构建模块与用户兴趣构建模块相连；物品特征构建模块、用户兴趣构建模块和多层感知机模块相连；

知识提取模块中，词嵌入模块、基础实体模块和增强实体模块是并列关系；

基础实体模块中的基础实体链接子模块与过滤图谱子模块相连，过滤图谱子模块和知识表示学习子模块相连；增强实体模块中的增强实体链接子模块和关系抽取子模块相连，关系抽取子模块和知识表示学习子模块相连；