[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

说明书

本发明提出一种基于用户历史兴趣的知识图谱推荐方法和系统，其方法技术方案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。本发明解决了现有技术方案需要领域专家制定元路径、且未考虑用户历史兴趣的时序的问题。

技术领域

本发明属于智能推荐领域，尤其涉及一种基于用户历史兴趣的知识图谱推荐方法和系统。

背景技术

目前，协同过滤的推荐系统主要存在两点缺陷，一是用户-物品关系矩阵过度稀疏，无法有效推荐；二是冷启动问题，对于新用户或新物品的推荐难度较大。因此，需要增加一些额外的信息来做增强，例如社交网络、图像、文本等内容。

近年来，知识图谱因为可以描述大量的用户-物品之间的交互关系，例如点击，可以潜在发现用户的偏好，而被越来越多的用在推荐系统中，帮助提升推荐的准确率，改善推荐系统的性能。

发明内容

本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐方法和系统，以至少解决现有技术方案需要领域专家制定元路径、且未考虑用户历史兴趣的时序的问题。

第一方面，本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐方法，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。

优选的，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。

优选的，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。

优选的，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。

优选的，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。

第二方面，本申请实施例提供了一种基于用户历史兴趣的知识图谱推荐系统，适用于上述一种基于用户历史兴趣的知识图谱推荐方法，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。