[发明专利]基于深度学习与知识图谱融合的在线推荐系统

说明书

本发明涉及一种基于深度学习与知识图谱融合的在线推荐系统，包括：知识图谱构建模块，配置为根据用户实体、产品实体、渠道实体以及各实体之间的关联关系构建知识图谱；模型建立模块，配置为根据所述知识图谱建立深度学习模型，所述深度学习模型包括深度学习单元和线性子模型；推荐模块，配置为根据所述用户实体、所述产品实体和/或所述渠道实体采用所述深度学习模型进行预测得到推荐预测值，根据推荐预测值完成在线推荐；数据传输模块和客户端，配置为完成在线推荐系统中所有数据的传输和人机交互。本发明所提供的在线推荐系统实现了为用户提供具有多样性和关联性的产品，解决了由数据稀疏和冷启动导致的推荐产品新鲜感不足和过于单一的问题。

技术领域

本发明涉及数据挖掘和在线推荐技术领域，特别涉及一种基于深度学习与知识图谱融合的在线推荐系统。

背景技术

随着互联网的飞速发展，各种信息正在爆炸性增长，从而导致“信息过载”的出现，针对这一问题，推荐系统应运而生。推荐系统能够为用户提供很好的决策支持和个性化服务。目前，协同过滤算法通过数据挖掘和机器学习等方法，根据兴趣或喜好为用户推荐其感兴趣的产品。

现有技术中，推荐系统大多使用专家规则或者协同过滤算法为用户推荐产品，但专家规则往往不能够充分考虑到用户与被推荐产品之间的关系，而协同过滤算法会利用用户的历史信息来理解用户意图并推荐喜好产品，虽然在一定程度上避免了内容分析的不完全或不精确，但常常面临着数据稀疏和冷启动等问题，而且无论是基于用户的协同过滤还是基于产品内容的协同过滤都面临着推荐产品过于相似和推荐产品多样性不足的问题。

因此，有必要提供一种基于深度学习与知识图谱融合的在线推荐系统，为用户提供具有多样性和关联性的产品，以解决现有技术中由数据稀疏和冷启动导致的推荐产品新鲜感不足和过于单一的问题。

发明内容

本发明的目的在于提供一种基于深度学习与知识图谱融合的在线推荐系统，为用户提供具有多样性和关联性的产品，以解决现有技术中由数据稀疏和冷启动导致的推荐产品新鲜感不足和过于单一的问题。

为了解决现有技术中存在的问题，本发明提供了一种基于深度学习与知识图谱融合的在线推荐系统，包括：

知识图谱构建模块，配置为根据用户实体、产品实体、渠道实体以及各实体之间的关联关系构建知识图谱；

模型建立模块，配置为根据所述知识图谱建立深度学习模型，所述深度学习模型包括深度学习单元和线性子模型；

推荐模块，配置为根据所述用户实体、所述产品实体和/或所述渠道实体采用所述深度学习模型进行预测得到推荐预测值，根据所述推荐预测值完成在线推荐；

数据传输模块，配置为完成所述在线推荐系统中所有数据的传输；以及

客户端，配置为使用户和所述在线推荐系统进行交互。

可选的，在所述基于深度学习与知识图谱融合的在线推荐系统中，所述各实体之间的关联关系包括：

用户实体与产品实体之间的关联关系、用户实体与渠道实体之间的关联关系、产品实体与渠道实体之间的关联关系、不同用户实体之间的关联关系、不同产品实体之间的关联关系以及不同渠道实体之间的关联关系。

可选的，在所述基于深度学习与知识图谱融合的在线推荐系统中，

所述用户实体包含用户的基本信息和用户标签数据，所述用户标签数据包括用户所处时期、用户偏好以及社交网络；

所述产品实体包含产品的基本信息和产品标签数据，所述产品标签数据包括产品风险等级、产品募集方式以及产品基金公司；

所述渠道实体包括线上交易和线下交易的渠道实体。

可选的，在所述基于深度学习与知识图谱融合的在线推荐系统中，建立深度学习模型的方式为：