[发明专利]一种融合知识图谱的注意力机制的电影推荐方法有效

专利信息
申请号: 202110087376.0 申请日: 2021-01-22
公开(公告)号: CN112765486B 公开(公告)日: 2022-04-05
发明(设计)人: 唐宏;范森;刘红梅;朱龙娇 申请(专利权)人: 重庆邮电大学
主分类号: G06F16/9536 分类号: G06F16/9536;G06F16/9538;G06F16/36;G06N3/04;G06N3/08
代理公司: 重庆辉腾律师事务所 50215 代理人: 卢胜斌
地址: 400065 重*** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 融合 知识 图谱 注意力 机制 电影 推荐 方法
【说明书】:

发明涉及推荐系统技术领域,具体涉及一种融合知识图谱的注意力机制的电影推荐方法,包括:获取用户‑电影交互信息和电影属性信息,通过DAE降噪自动编码器进行数据预处理;将处理的数据集构建知识图谱;对知识图谱进行建模,得到实体向量和关系向量;构建含有记忆组件注意力机制的深度学习混合推荐系统,得到用户向量和物品向量;最后通过联合学习的方式,将知识图谱与混合推荐系统进行结合,通过注意力机制得到用户对候选电影的注意力分值,降序排序得出预测评分值,再进行TOP‑N推荐。

技术领域

本发明涉及推荐系统技术领域,具体涉及一种融合知识图谱的注意力机制的电影推荐方法。

背景技术

随着移动互联网的快速发展以及电子商务的广泛应用,各种娱乐网站平台纷纷崛起,如电影网站、音乐网站、抖音等短视频纷纷崛起。然而随着信息时代的发展,大部分网站都面临着信息过载和信息迷航问题,因此针对这两个问题,推荐系统应运而生。

其中,推荐系统也在各个互联网平台上面扮演者重要的角色,通过推荐系统,用户可以更高效快速地找到自己感兴趣或者存在潜在兴趣的商品或者信息。推荐系统根据用户的历史行为信息,更好的分析用户的历史偏好取向以及潜在兴趣等,可以处理互联网时代由于海量信息数据导致的信息过载问题,以此增强用户体验。但是传统的推荐系统仍然存在一系列问题,比如推荐准确率不高、推荐不具有解释性、数据稀疏问题和冷启动问题等。

针对传统推荐系统的问题,一些专家提出可以加入辅助信息来有效缓解数据稀疏和冷启动等问题,其中知识图谱就是一种典型的辅助信息。知识图谱是一种语义信息网,主要由物理世界的实体及其关系组成,且以三元组的形式呈现,如(头实体、关系、尾实体)或者(实体、属性、属性值)。该语义网蕴含了推荐系统中的物品的大量背景信息和物品之间的关系。并且它可以将用户的用户行为数据构成的用户-物品网络集成起来,从而扩展用户与商品之间的隐藏的关联关系,进一步捕捉用户的潜在兴趣以及用户的深层兴趣。

针对传统推荐算法无法学习到用户或项目的深层次特征,深度学习便具备良好的优势,深度学习擅长于多源异构挖掘和学习,通过与推荐系统结合,可以更加高效地学习用户和项目之间的隐藏特征。

与此同时,对于视频网站领域,普遍存在着推荐准确率不高以及可解释性不够的现象,因此本发明提出一种针对电影网站使用知识图谱和注意力机制的混合推荐系统,其中加入的知识图谱可以有效提高推荐准确率以及具备一定的可解释性作用;深度学习中的具备记忆组件的注意力机制可以更好地捕捉用户兴趣的动态变化,同时提高运行效率,从而适当地提高推荐准确率。

发明内容

为了解决上述问题,本发明提供一种融合知识图谱的注意力机制的电影推荐方法,将知识图谱与具备注意力机制的混合推荐系统结合。

一种融合知识图谱的注意力机制的电影推荐方法,包括以下步骤:

S1、获取电影网站上面的用户-电影交互信息和电影属性信息;

S2、通过DAE降噪自动编码器对获取的用户-电影交互信息和电影属性信息进行预处理,根据预处理之后的用户-电影交互信息和电影属性信息构建知识图谱,知识图谱的形式为三元组形式,由头实体,关系,尾实体构成,构建知识图谱时计算实体之间的相似度,即知识图谱相似度;

S3、使用知识图谱特征学习,对上述构建的知识图谱进行建模,将知识图谱中的每个实体和关系进行学习,得到实体向量和关系向量;

S4、构建含有注意力机制的混合推荐系统,将知识图谱得到的实体向量和关系向量输入含有记忆组件的注意力机制混合推荐系统,通过注意力机制计算出用户对于候选电影的注意力分值,将用户对候选电影的注意力分值降序排列;通过MLP进行评分预测,最终按照评分顺序得到电影TOP-N推荐结果;

S5、将电影TOP-N推荐结果与原始测试集进行对比,通过准确率、召回率、覆盖率等指标对构建的推荐系统进行评估。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110087376.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top