[发明专利]一种基于知识图谱的智慧城市资源推荐方法和系统

权利要求书

1.一种基于知识图谱的智慧城市数据资源推荐方法，其特征在于，包括如下步骤：

步骤1、候选资源召回：从数据库中获取用户历史行为数据，对每一个系统中用户进行相似用户的发现，进而为每一个用户筛选出最为相似的用户集合；根据相似用户与用户行为数据筛选出每个用户的候选资源集，其中资源包括专家、企业、机构、项目需求、解决方案、案例、技术成果、学术论文、专利及软件著作；

步骤2、知识图谱嵌入：根据输入的知识图谱三元组数据，将知识图谱中所有的实体与关系转化为嵌入表示，生成实体关系-嵌入查询表；

步骤3、知识图谱提取：将知识图谱中的三元组数据、用户行为数据以及实体关系-嵌入查询表作为输入，针对每一个用户-资源对生成其对应的元图实例和关联三元组；

步骤4、基于深度网络模型的推荐：将实体关系-嵌入查询表、元图实例和关联三元组作为输入，在MLP模型的基础上引入元图实例注意力机制，以预测目标用户与目标资源之间兴趣程度。

2.根据权利要求1所述基于知识图谱的智慧城市数据资源推荐方法，其特征在于：所述步骤1候选资源召回实现的过程如下：

(1.1)针对每一个用户，根据其历史行为数据，通过计算用户之间的相似度，从而为每一个用户筛选出相似度最大的相似用户集；

(1.2)通过目标用户的相似用户集，计算目标用户u和资源i之间的兴趣值P(u，i)，该兴趣值的计算公式(1)如下：

其中，K代表相似用户的个数，S_u，K表示和用户u兴趣最接近的K个用户集合，N_x为与x有过交互的数据集，这里N_u代表用户u有过交互的资源集合，N_i代表与资源i有过交互的用户集合，是用户u和用户的相似度，代表用户对资源i的是否存在交互行为；通过对目标用户u和资源i之间的兴趣值P(u，i)进行排序，进而得到目标用户u感兴趣的资源候选集。

3.根据权利要求1所述基于知识图谱的智慧城市数据资源推荐方法，其特征在于：所述步骤2知识图谱嵌入的过程如下：

(2.1)三元组提取：对于数据层中的知识图谱数据，将其转换为三元组结构；

(2.2)正反馈三元组生成：对于每一个知识图谱中的三元组数据进行数据格式转换和存储；

(2.3)负反馈三元组构造：对于每一个知识图谱中存在的三元组数据，分析其所属的关系模式，根据该三元组的关系模式生成不重复的三元组实例，使其符合该关系模式且所生成的三元组实例不在现有知识图谱中出现，从而构造出负反馈三元组；

(2.4)初始化实体关系嵌入：为每一个实体和每一种关系初始化一个固定维度的向量作为该实体和关系的嵌入表示；

(2.5)构造并最小化损失函数：使用正反馈三元组和负反馈三元组来构造和最小化损失函数，并且在最小化的过程中不断更新实体关系嵌入表示；损失函数如公式(2)、(3)、(4)所示：

Loss＝min∑_{(h，r，t)∈G}∑_{(h′，r，t′)∈G′}|(h_⊥+r-t_⊥)-(h′_⊥+r-t′_⊥)| (4)

其中，h、t代表知识图谱G中三元组头尾实体对应的实体向量，h′、t′代表负反馈三元组所构成的知识图谱G′中三元组头尾实体对应的实体向量，r代表知识图谱G与G′中三元组关系对应的关系向量，对应关系r对应的超平面范数向量；

(2.6)实体关系-嵌入查询表输出：损失函数最小化完成之后，将训练好的实体关系的嵌入表示转化为字典序进行输出。