[发明专利]一种基于用户历史兴趣的知识图谱推荐方法和系统

权利要求书

1.一种基于用户历史兴趣的知识图谱推荐方法，其特征在于，包括：

候选图谱构建步骤，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；

种子图谱构建步骤，构建所述用户历史兴趣的种子物品的集合；

扩展表示计算步骤，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；

用户兴趣预测步骤，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。

2.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述种子图谱构建步骤包括，根据所述种子物品的发生时间排列所述种子物品的顺序。

3.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述扩展表示计算步骤包括：

第一扩展计算步骤，构建所述种子物品的第一次扩展集合，计算所述候选物品与所述第一次扩展集合的归一化相似度，并根据所述归一化相似度计算所述种子物品的第一次扩展结果；

第二扩展计算步骤，根据所述第一次扩展集合，计算所述种子物品的第二次扩展结果，并重复进行预设轮次的计算，将所有轮次的扩展结果相加得到所述预设轮次的所述种子物品的扩展向量表示。

4.如权利要求3所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述第二扩展计算步骤还包括，计算所述种子物品的第二次扩展结果时，将所述第一次扩展集合中的图谱三元组的尾实体作为头实体。

5.如权利要求1所述的基于用户历史兴趣的知识图谱推荐方法，其特征在于，所述用户兴趣预测步骤包括：

种子权重计算步骤，将所述种子物品的扩展向量表示和所述候选物品的扩展向量表示输入一注意力网络，得到所述种子物品的权重；

用户表征计算步骤，将所述权重与所述种子物品的扩展向量表示加权求和得到用户兴趣表征向量；

交互概率获取步骤，将所述候选物品的扩展向量表示与所述用户兴趣表征向量拼接，通过一MLP网络获取所述用户与所述候选物品的交互概率。

6.一种基于用户历史兴趣的知识图谱推荐系统，其特征在于，包括：

候选图谱构建单元，构建用于计算与一用户产生交互概率的一候选物品的图谱三元组，并计算所述候选物品的扩展向量表示；

种子图谱构建单元，构建所述用户历史兴趣的种子物品的集合；

扩展表示计算单元，根据所述候选物品的图谱三元组计算所述种子物品的多轮扩展表示，得到所述种子物品的扩展向量表示；

用户兴趣预测单元，根据所述种子物品的扩展向量表示和所述候选物品的扩展向量表示，通过注意力机制计算所述用户与所述候选物品的交互概率，并基于所述交互概率进行推荐。

7.如权利要求6所述的基于用户历史兴趣的知识图谱推荐系统，其特征在于，所述种子图谱构建单元包括，根据所述种子物品的发生时间排列所述种子物品的顺序。

8.如权利要求6所述的基于用户历史兴趣的知识图谱推荐系统，其特征在于，所述扩展表示计算单元包括：

第一扩展计算模块，构建所述种子物品的第一次扩展集合，计算所述候选物品与所述第一次扩展集合的归一化相似度，并根据所述归一化相似度计算所述种子物品的第一次扩展结果；

第二扩展计算模块，根据所述第一次扩展集合，计算所述种子物品的第二次扩展结果，并重复进行预设轮次的计算，将所有轮次的扩展结果相加得到所述预设轮次的所述种子物品的扩展向量表示。

9.如权利要求8所述的基于用户历史兴趣的知识图谱推荐系统，其特征在于，所述第二扩展计算模块还包括，计算所述种子物品的第二次扩展结果时，将所述第一次扩展集合中的图谱三元组的尾实体作为头实体。

10.如权利要求6所述的基于用户历史兴趣的知识图谱推荐系统，其特征在于，所述用户兴趣预测单元包括：

种子权重计算模块，将所述种子物品的扩展向量表示和所述候选物品的扩展向量表示输入一注意力网络，得到所述种子物品的权重；

用户表征计算模块，将所述权重与所述种子物品的扩展向量表示加权求和得到用户兴趣表征向量；

交互概率获取模块，将所述候选物品的扩展向量表示与所述用户兴趣表征向量拼接，通过一MLP网络获取所述用户与所述候选物品的交互概率。