[发明专利]一种融合社交网络和知识图谱的推荐方法、系统和设备

权利要求书

1.一种融合社交网络和知识图谱的推荐方法，其特征在于，包括：

获取用户的社交网络，计算所述社交网络中的用户间社交相似度；

根据评分矩阵和所述社交网络计算用户间信任度；

根据评分矩阵计算基于用户的评分相似度和基于行为的项目相似度；

根据知识图谱计算项目语义相似度；

根据所述项目语义相似度和所述基于行为的项目相似度计算项目融合相似度；

根据所述基于用户的评分相似度、所述用户间信任度和所述用户间社交相似度计算用户融合相似度；

将所述项目融合相似度和所述用户融合相似度融入基础矩阵分解模型，得到融合社交网络和知识图谱的推荐模型；

根据梯度下降法最小化所述融合社交网络和知识图谱的推荐模型，得到用户对未评分目标项目的预测评分。

2.根据权利要求1所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述获取用户的社交网络，计算所述社交网络中的用户间社交相似度，包括：

获取用户的社交网络；

使用图卷积神经网络训练用户的社交网络，学习具有社交关系的用户在低维向量空间的节点嵌入表达；

采用第一余弦相似度函数计算用户间社交相似度。

3.根据权利要求2所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述根据评分矩阵和所述社交网络计算用户间信任度，包括：

根据所述评分矩阵和所述社交网络计算用户项目权重，根据所述用户项目权重计算用户间信任度，所述用户间信任度的计算公式为：

其中，W_u,v为用户u到用户v的边的权重，f(U_u,U_v)为用户u和用户v共同评分的项目的并集。

4.根据权利要求3所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述根据评分矩阵计算基于用户的评分相似度和基于行为的项目相似度，包括：

根据所述评分矩阵，采用第二余弦相似度函数计算得到基于用户的评分相似度，所述第二余弦相似度函数为：

其中，U_i为第i个用户，U_j为第j个用户，R_ik为评分矩阵R_m×n中第i个用户对第k个项目的评分值，R_jk为评分矩阵R_m×n中第j个用户对第k个项目的评分值，m为用户数，n为项目数；

根据所述评分矩阵，采用第三余弦相似度函数计算得到基于行为的项目相似度。

5.根据权利要求4所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述根据知识图谱计算项目语义相似度，包括：

使用TransE算法在保留语义信息的基础上，将知识图谱中的实体和关系进行向量化表示，得到项目的特征矩阵；

根据所述项目的特征矩阵，采用第四余弦相似度函数计算项目语义相似度。

6.根据权利要求5所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述根据所述项目语义相似度和所述基于行为的项目相似度计算项目融合相似度，包括：

采用融合因子θ∈[0，1]对融合所述项目语义相似度和所述基于行为的项目相似度，得到项目融合相似度。

7.根据权利要求6所述的融合社交网络和知识图谱的推荐方法，其特征在于，所述根据所述基于用户的评分相似度、所述用户间信任度和所述用户间社交相似度计算用户融合相似度，包括：

用融合因子α∈[0，1]，β∈[0，1]，γ∈[0，1]融合所述基于用户的评分相似度、所述用户间信任度和所述用户间社交相似度，得到用户融合相似度，所述用户融合相似度为：

其中，α+β+γ＝1，sim_social(U_i,U_j)为用户间社交相似度，为用户间信任度，sim_score(U_i,U_j)为基于用户的评分相似度。