[发明专利]一种知识增强的推荐方法和系统

权利要求书

1.一种知识增强的推荐方法，包括以下步骤：

步骤S1：针对评论文档，提取全局层次的语义向量表示和语句层次的隐含向量表示，获得层次化的语义表示，该层次化的语义表示是用户和物品的浅层语义知识表示；

步骤S2：利用知识库，检索与评论文档关联的语义知识，形成关联语义知识表示，并融合所述用户和物品的浅层语义知识表示以及所述全局层次的语义向量表示和所述关联语义知识表示，得到用户和物品的深层次语义知识表示；

步骤S3：融合所述用户和物品的浅层语义知识表示以及所述用户和物品的深层次语义知识表示，分别得到用户的语义知识增强表示、物品的语义知识增强表示以及用户-物品交互的语义知识增强表示；

步骤S4：基于神经协同过滤框架，融合所得到的用户的语义知识增强表示、物品的语义知识增强表示以及用户-物品交互的语义知识增强表示，利用层次化的用户-物品交互机制预测交互评分，以生成物品推荐结果。

2.根据权利要求1所述的知识增强的推荐方法，其特征在于，在步骤S1中，根据以下子步骤获得所述层次化的语义表示：

针对评论文档，构建词向量，并利用第一循环神经网络提取全局层次的语义隐含向量S^g，该全局层次的语义向量S^g包含全局的潜在语义信息；

以所构建的词向量为输入，应用第二循环神经网络提取语句层次的语义隐含向量表示S^s，该语句层次的隐含向量表示S^s包含细粒度的上下文信息的语义知识表示；

融合全局层次的语义隐含向量S^g和语句层次的隐含向量表示S^s，得到层次化的语义表示C＝[S^g，S^s]。

3.根据权利要求2所述的知识增强的推荐方法，其特征在于，在步骤S2中，根据以下子步骤形成所述用户和物品的深层次语义知识表示：

针对评论文档中的词，从知识库检索top-N相关概念，概念的向量表示；

对于每个词w_i，利用注意力机制计算检索到的概念知识的关联影响β_ij＝Attention(w_i,c_j)，并计算增强概念表示其中c_j是检索到的概念的向量表示，j是索引；

以所述概念知识的关联影响为输入，应用第三循环神经网络得到关联语义知识表示C^A；

利用全局层次的语义向量表示S^g和关联语义知识表示C^A构成增强语义键-值对，其中键为S^g，对应的值为C^A；

采用多头注意力机制融合层次化的语义表示C和增强语义键-值对，得到深层次语义知识表示

4.根据权利要求3所述的知识增强的推荐方法，其特征在于，步骤S3包括：

对于用户和物品，采用独热编码表示所使用的用户和物品，并将独热编码映射成稠密空间的用户浅层表示u和物品浅层表示v；

通过串联操作得到用户的语义知识增强表示物品的语义知识增强表示以及用户-物品交互的语义知识增强表示记为其中是用户的深层表示，是物品的深层表示，是用户-物品交互的语义知识表示。