[发明专利]一种基于知识图谱和图卷积网络的信息推荐方法及系统

权利要求书

1.一种基于知识图谱和图卷积网络的信息推荐方法及系统，其特征在于，包括：

根据用户与物品交互信息，构建用户-物品交互图；

根据物品的属性信息，构建物品-属性知识图谱；

根据所述用户-物品交互图和所述物品-属性知识图谱构建以用户、物品、属性为实体的三元组知识图谱；

获取所述三元组知识图谱中每个实体的特征表示以及对应实体的邻接节点特征表示，并通过图卷积网络进行聚类获取一个或多个推荐结果。

2.根据权利要求1所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，所述交互信息包括访问记录、搜索信息、收藏信息。

3.根据权利要求1所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，构建以用户、物品、属性为实体的三元组知识图谱，包括：

建立物品-实体对齐矩阵，将所述用户-物品交互图中的物品与所述物品-属性知识图谱中的物品一一对齐，得到所述三元组知识图谱。

4.根据权利要求1所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，所述三元组知识图谱中的三元组包括：头实体-关系-尾实体。

5.根据权利要求4所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，通过图卷积网络获取所述三元组知识图谱中每个实体的特征表示以及对应实体的邻接节点特征表示之前，包括：

基于所述三元组知识图谱，获取实体和关系分别对应的的低维向量表示，使得实体空间和关系空间满足下式：

其中，为头实体向量表示，e_r为关系向量表示，为尾实体向量表示；

进一步获取实体以及对应邻接节点的向量表示。

6.根据权利要求5所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，根据同一实体的两邻接节点之间的评分差值构建损失函数，选出满足阈值的邻接节点。

7.根据权利要求7所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，所述损失函数表示为：

其中，W_r为预先构建的空间转换矩阵，通过所述空间转换矩阵将实体和关系分别转换为对应的低维向量表示；t和t′分别表示与头实体连接的邻接节点；σ()为激活函数。

8.根据权利要求1所述的基于知识图谱和图卷积网络的信息推荐方法，其特征在于，获取所述三元组知识图谱中每个实体的特征表示以及对应实体的邻接节点特征表示，并通过图卷积网络进行聚类获取一个或多个推荐结果，包括：

从每个实体的特征表示及其邻接节点特征表示中获取物品向量表示和用户向量表示，通过所述物品向量表示和用户向量表示进行匹配，选出匹配度达到设定阈值的一个或多个匹配结果作为所述推荐结果输出。

9.一种基于知识图谱和图卷积网络的信息推荐系统，其特征在于，包括：

用户-物品交互图构建模块，用于根据用户与物品交互信息，构建用户-物品交互图；

物品-属性知识图谱构建模块，用于根据物品的属性信息，构建物品-属性知识图谱；

三元组知识图谱构建模块，用于根据所述用户-物品交互图和所述物品-属性知识图谱构建以用户、物品、属性为实体的三元组知识图谱；

推荐输出模块，用于获取所述三元组知识图谱中每个实体的特征表示以及对应实体的邻接节点特征表示，并通过图卷积网络进行聚类获取一个或多个推荐结果。