[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

说明书

本申请公开了一种融合社交网络和知识图谱的推荐方法、系统和设备，分别从社交网络和知识图谱中挖掘用户和物品的影响因素，计算出相似用户和相似物品从而融入传统的矩阵分解推荐模型中形成一种新的推荐模型，解决了现有的推荐系统中存在的数据稀疏性和冷启动问题影响了推荐性的技术问题。

技术领域

本申请涉及网络社交信息推荐技术领域，尤其涉及一种融合社交网络和知识图谱的推荐方法、系统和设备。

背景技术

在社交网站泛滥的当下，人们可以通过网络添加好友，增加关注，成为粉丝，这些社交行为构成了巨大的社交网络。为很好地利用社交网络资源，实现资源共享与推送，采用推荐系统向用户推送与用户兴趣相关的信息。推荐系统主要利用用户对项目的行为信息，挖掘出用户的个性化需求，通过用户的兴趣模型主动向用户提供满足其需求的信息，成为了为用户提供个性化服务的一个重要研究领域，也得到了广泛的应用。然而现有的推荐系统中存在的数据稀疏性和冷启动问题影响了推荐性能。

发明内容

本申请提供了一种融合社交网络和知识图谱的推荐方法、系统和设备，用于解决现有的推荐系统中存在的数据稀疏性和冷启动问题影响了推荐性的技术问题。

有鉴于此，本申请第一方面提供了一种融合社交网络和知识图谱的推荐方法，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。

可选地，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。

可选地，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。

可选地，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：