[发明专利]一种基于知识图谱的推荐方法及系统

权利要求书

1.一种基于知识图谱的实体推荐方法，其特征在于，包括以下步骤：

步骤1：通过对用户和实体的自身的原始特征进行特征整合，得到用户特征编码和实体特征编码；

步骤2：根据用户与实体之间的关系构成知识图谱，从所述知识图谱中获取用户与实体之间的路径，并根据用户与实体之间的关系进行编码，经过融合处理，得到用户对该实体所有路径的综合路径编码；

步骤3：根据所述用户特征编码、所述实体特征编码和所述综合路径编码，计算用户与实体产生交互的可能性参数；

步骤4：根据所述可能性参数进行实体推荐。

2.根据权利要求1所述的一种基于知识图谱的推荐方法，用户和实体均具有稀疏特征和稠密特征，其特征在于，所述步骤1包括：

根据用户和实体自身的稀疏特征或稠密特征，利用embedding进行特征整合，将用户和实体参数化为矢量表示，得到所述用户特征编码和所述实体特征编码。

3.根据权利要求2所述的一种基于知识图谱的推荐方法，其特征在于，所述特征整合的具体步骤包括：将稀疏特征转换为多维的稠密向量，并将稠密特征处理为正态分布，得到用户和实体的各特征的embedding向量，从而得到所述用户特征编码和所述实体特征编码。

4.根据权利要求1所述的一种基于知识图谱的推荐方法，其特征在于，所述步骤2具体包括以下步骤：

首先根据所述知识图谱中实体、实体之间的关系以及用户的交互行为选取用户与实体之间的一条路径，对用户、实体及用户和实体之间的关系进行编码，并将编码结果输入RNN模型，得到该路径的编码结果；

将用户与实体之间的所有路径的进行上述编码，经过融合处理，得到用户对该实体所有路径的所述综合编码表示。

5.根据权利要求1所述的一种基于知识图谱的推荐方法，其特征在于，所述步骤3包括：

将所述用户特征编码、所述实体特征编码和所述综合路径编码拼接成整体编码，利用多层感知机进行特征交互，计算用户与实体产生交互的可能性参数。

6.根据权利要求5所述的一种基于知识图谱的推荐方法，其特征在于，所述步骤3具体包括：将所述用户特征编码、所述实体特征编码和所述综合路径编码拼接成整体编码，所述多层感知机有两个全连接层，将所述整体编码输入至所述多层感应机的输入层，得到预测分数：

其中，e为整体编码，和是第一层和第二层的权重参数，b₁和b₂是第一层和第二层的偏执参数，σ(.)是sigmoid函数，ReLU(.)为线性整流函数，

将所述预测分数映射到[0,1]范围内，计算用户与实体产生交互的可能性参数。

7.一种基于知识图谱的推荐系统，应用于上述权利要求1-6任意一项所述的一种基于知识图谱的推荐方法，其特征在于，包括：

特征编码模块，通过对用户和实体的自身的原始特征进行特征整合，输出用户特征编码和实体特征编码；

路径编码模块，根据用户与实体之间的关系构成知识图谱，从所述知识图谱中获取用户与实体之间的路径，对用户与实体之间的关系进行编码，将编码结果送入模型，并输出路径编码；

路径综合模块，接收所述路径编码模块输出的所述路径编码，经过处理，输出用户与该实体所有路径的综合编码表示；

预测模块，根据所述特征编码模块输出的所述用户特征编码和所述实体特征编码以及所述路径综合模块输出的所述综合路径编码，计算用户与实体产生交互的可能性参数。

8.根据权利要求7所述的一种基于知识图谱的推荐系统，其特征在于，所述特征编码模块根据用户和实体自身的稀疏特征或稠密特征，利用embedding进行特征整合，将稀疏特征转换为多维的稠密向量，并将稠密特征处理为正态分布，得到用户和实体的各特征的embedding，将用户和实体参数化为矢量表示，得到所述用户特征编码和所述实体特征编码。