[发明专利]一种基于数字人文知识图谱的搜索推荐方法

权利要求书

1.一种基于数字人文知识图谱的搜索推荐方法，其特征在于，所述方法包括以下步骤：

步骤A构建数字人文知识图谱；

步骤B设置搜索属性并创建索引，搜索实体；

步骤C推荐和用户所选择的实体为同类型的相似实体；

步骤D根据用户的搜索记录用RippleNet模型训练数据，模拟出用户在知识图谱上的兴趣传播途径，将预测值较高的实体作为用户的推荐实体；

步骤E将推荐的同类型实体、学习用户的搜索记录预测出的用户可能感兴趣的实体返回给用户。

2.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤A包括：

定义数字人文知识图谱框架，分析数字人文领域的研究方向，将图谱中涉及的实体进行分类；

通过资料库数据抽取所需信息，并整理得到分类实体表及实体关系表，存入数据库；

根据图谱框架和数据，通过图形数据库构建数字人文知识图谱。

3.如权利要求2所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，图谱中涉及的实体包括人物、事件、地区、官职、朝代五大类。

4.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤C中通过推荐算法推荐与用户选择的实体即中心实体同类型的实体；所述推荐算法具体包括：

1)选择知识图谱中距离中心实体小于等于k跳的同类型实体，为候选实体；

2)采用路径搜索算法，对每个候选实体，分析其与中心实体在图谱中的可能路径，并计算候选实体与中心实体的关联性，计算公式为：

其中，n为路径的总数，m为第i条路径上除去源节点和目标节点的节点数目，w_ij为第i条路径中第j个节点的权重值，权重值与节点的类型相关，由上述公式可知两节点之间的路径越短，路径数量越多，节点的关联性越大；

3)根据上述2)中计算的关联性，推荐关联度较高的实体为用户可能感兴趣的同类型实体。

5.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤D具体包括：

1)将用户的搜索记录构建初始的实体集，生成训练数据；

2)初始化算法模块中嵌入层；

3)将初始实体集在知识图谱中向外扩展一层，计算一个实体item与初始实体、关系内积的相似度，相似度和目标实体加权求和，得到用户兴趣经第一轮扩散后的结果；

4)将第一轮的尾节点作为头节点，再向外扩展一跳，按照同样的方法，得到兴趣第二轮扩散的结果；

5)扩散多次后，将每一轮的计算结果累加，得到能表示用户兴趣的嵌入向量，与实体item向量计算内积后归一化计算出用户对item的点击概率。

6.如权利要求5所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述3)中相似度通过计算实体item v与图谱三元组中初始实体、关系(h，r)内积的相似度并归一化得到，计算公式为：

其中，v为待预测点击率的实体item的嵌入向量，为v的1跳波纹集合，R_i和h_i分别是关系r_i和头实体h_i的嵌入向量，用相似度p_i对t加权求和，如下式计算，得到这一层的输出o，向量可以看出用户的历史点击对itemv的一阶段响应，其中：

7.如权利要求5所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述5)具体包括：重复1)到4)过程H次后，将多次兴趣扩散得到的表示相加得到最终的用户嵌入向量表示：

此时，可以计算出实体itemv的用户点击率的预测值为：

上述即为RippleNet模型的主要框架，下面定义模型训练时的优化的损失函数，包括真实的y与RippleNet预测值之间的交叉熵损失，重建的指标矩阵与真实数据的误差，以及正则项：

公式中，头实体h和尾实体t用E矩阵统一表示。