[发明专利]一种基于知识图谱嵌入的用户实体群组推荐方法

说明书

本发明公开了一种基于知识图谱嵌入的用户实体群组推荐方法，将知识图谱中的用户实体进行画像，根据用户实体画像特征给目标用户实体返回关联度top‑K的用户实体群组。本发明可以更加全面地利用知识图谱的结构信息和语义信息刻画动态用户实体画像，增强用户实体群组推荐方法的精度，并为推荐结果提供理由，使得用户操作变得简单高效，并且也可以对知识图谱中的用户实体构建标签与提供联系。

技术领域

本发明公开了一种基于知识图谱嵌入的用户实体群组推荐方法，涉及互联网信息技术领域。

背景技术

随着信息技术和互联网的发展，人们逐渐从信息匮乏进入信息过载时代，为了解决这一问题，推荐系统(Recommendation System)应运而生。推荐系统的任务就是联系用户和信息，帮助用户发现对自己有价值的信息，同时让信息能够展现在对它感兴趣的用户面前，进而实现信息生产者和信息消费者的双赢。

用户群组推荐算法旨在刻画用户画像，从而寻找一组对物品感兴趣的用户。传统的方法主要利用显式/隐式反馈的交互数据作为输入，提取用户和物品的高低阶交互特征，从而进行推荐。目前常用的方法是此基础上引入辅助信息(Side Information)丰富用户和物品的画像，如知识图谱(Knowledge Graph)中大规模的节点(用户节点或物品节点)信息以及节点自身的属性信息。但是还存在以下三个问题：

1)无法获取用户实体之间的交互信息，未充分利用知识图谱的语义和结构信息；

2)容易忽略用户和物品画像的动态变化，缺乏一种有效的模型更新策略；

3)都是基于用户和物品之间的推荐，没有一种利用图谱(节点和关系)内部信息，实现用户实体群组推荐的方法。

目前用户群组推荐算法主要存在无法获取用户实体间交互信息、容易忽略用户和物品画像的动态变化、都是基于用户和物品之间的推荐等问题。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种基于知识图谱嵌入的用户实体群组推荐方法。本发明主要利用知识图谱的结构与语义信息刻画动态用户实体画像，实现用户实体群组推荐。具体而言，该任务需要对用户实体画像，并且从知识图谱数据中获取用户实体之间的交互信息(节点之间的关系)，为目标用户推荐用户实体群组。

本发明为解决上述技术问题采用以下技术方案：

一种基于知识图谱嵌入的用户实体群组推荐方法，所述方法包括：

步骤一、根据三元组数据构建用户的知识图谱，用户的知识图谱包括当前用户的所有信息，由用户实体和关系组成；

步骤二、使用知识表示模型Ripple Net和预训练语言模型BERT分别将用户实体和关系进行向量化表示；

步骤三、使用基于内容的召回算法获取用户实体群组的候选集；

步骤四、使用基于attention的LSTM模型建模用户实体的时序特征；

步骤五、将嵌入向量输入到WideDeep模型中，获取用户实体间的高低阶交互，对用户实体进行画像；所述嵌入向量包括候选集中的用户实体时序特征或用户实体和关系的向量化表示；

步骤六、计算用户实体间的关联度，输出目标用户实体关联度top-K的用户实体群组。

作为本发明的进一步优选方案，所述知识图谱，其形式化定义为：

知识图谱由形如(h，r，t)的三元组组成，其中h∈N，r∈R，t∈N分别表示头实体、关系或属性和尾实体，实体数量为P′，用户实体数量为P，关系数量为Q。

作为本发明的进一步优选方案，步骤二中，所述将用户实体进行向量化表示具体包括：