[发明专利]一种基于语义关系的智能推荐方法

说明书

本发明属于购物推荐技术领域，具体公开一种基于语义关系的智能推荐方法，包括如下步骤：S1：建立语义关系的知识图谱；S2：获取物品属性类别相应的属性子图；S3：获取语义相似度，根据语义相似度获取第一物品推荐清单；S4：获取购买清单与第一物品推荐清单的相似性符合条件的用户；S5：建立物品评分矩阵，获取购买清单中物品之间的修正余弦相似度，并根据修正余弦相似度获取第二物品推荐清单；S6：将语义相似度和修正余弦相似度进行线性加权融合，得到融合相似度；S7：根据融合相似度和物品评分矩阵，获取最终推荐清单，并将最终推荐清单推荐给用户。本发明解决了现有技术存在的耗费时间久、精确度不高的问题。

技术领域

本发明属于购物推荐技术领域，具体涉及一种基于语义关系的智能推荐方法。

背景技术

语义关系是指隐藏在句法结构后面由该词语的语义范畴所建立起来的关系。最为基础的语义关系有两类：上位概念和下位概念之间的关系，下位概念的出现仅仅是为了限定上位概念的外延，例如典型的宾语和动词之间的关系(“吃”和“面条”)；述谓关系，这是最多最基础的关系。一个基本词汇单位对另一个基本词汇单位的陈述。最为典型的就是主谓关系，其次是状语和谓词之间的关系，大部分定语和名词之间的关系，都是述谓关系。而语法形式则大部分是为了表达这些关系而产生的。“从属语跟核心的关系”已经上升到了接近语法的层次了，作为定义可以，但不是最初始的定义，因为还需要对它进行定义。

随着互联网技术的高速发展，数据量呈现出指数级增长。对于用户而言他们需要更加符合自己爱好的结果，因此多种因素共同推动的智能推荐技术的研究进程。在传统的智能推荐研究中，多数工作根据用户历史数据基于规则推荐，预测用户兴趣，然而这就需要进行繁重的计算量，通过获取精准的用户行为特征来实现智能推荐，然而在实际应用中，这类算法存在耗费时间久，精确度不高等问题。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种基于语义关系的智能推荐方法，用于解决现有技术存在的耗费时间久、精确度不高的问题。

本发明所采用的技术方案为：

一种基于语义关系的智能推荐方法，包括如下步骤：

S1：建立语义关系的知识图谱；

S2：基于语义关系的知识图谱，根据物品属性类别进行划分，得到物品属性类别相应的属性子图；

S3：获取属性子图中物品之间的语义相似度，根据语义相似度获取第一物品推荐清单；

S4：获取购买清单与第一物品推荐清单的相似性符合条件的用户；

S5：获取用户对相应的购买清单中物品的评分信息，根据评分信息建立物品评分矩阵，获取购买清单中物品之间的修正余弦相似度，并根据修正余弦相似度获取第二物品推荐清单；

S6：将语义相似度和修正余弦相似度进行线性加权融合，得到融合相似度；

S7：根据融合相似度和物品评分矩阵，得到第一物品推荐清单和第二物品推荐清单中所有物品的评分，根据评分获取最终推荐清单，并将最终推荐清单推荐给用户。

进一步地，步骤S3中，获取属性子图中物品之间的语义相似度的具体方法为：基于属性子图，将物品实体表示为实体向量，利用欧几里德公式获取实体向量之间的语义相似度。

进一步地，物品实体的实体向量的公式为：

I_i＝(E_1i,E_2i,...,E_di)^T

式中，I_i为物品实体的实体向量；i为物品实体指示量；E_di为第i个物品实体第d维度的值；d为维度总量。