[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

说明书

本发明提出一种基于知识图谱和图卷积网络的信息推荐方法及系统，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；本发明可有效提高信息推荐的准确性。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于知识图谱和图卷积网络的信息推荐方法及系统。

背景技术

推荐系统是自然语言处理(natural language processing，NLP)方法常见的应用，在现实生活中已经得到很多实践。推荐系统的快速发展使得它在搜索引擎、电子商务、社交媒体网站和新闻门户等网络应用中非常流行，几乎每个面向用户提供内容的服务都配备了推荐系统。为了从关键且广泛可用的用户行为数据(如交互数据)来预测用户偏好，传统研究多采用协同过滤(collaborative filtering,CF)的方法。尽管CF方法具有有效性和通用性，但它不能对侧面信息(如物品的属性、用户的关系等)建模，因此在用户和物品交互较少(即数据稀疏)的情况下表现不佳。

发明内容

鉴于以上现有技术存在的问题，本发明提出一种基于知识图谱和图卷积网络的信息推荐方法及系统，主要解决现有技术中图节点特征表示准确度不足导致推荐信息难以准确匹配用户需求的问题。

为了实现上述目的及其他目的，本发明采用的技术方案如下。

一种基于知识图谱和图卷积网络的信息推荐方法及系统，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。

可选地，所述交互信息包括访问记录、搜索信息、收藏信息。

可选地，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。

可选地，所述三元组知识图谱中的三元组包括：头实体-关系-尾实体。

可选地，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。

可选地，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。

可选地，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。