[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

说明书

本发明提出了一种基于知识图谱的智慧城市数据资源推荐方法和系统，所述系统包括候选资源召回模块、知识图谱嵌入模块、知识图谱提取模块和基于深度网络模型的推荐模块。本发明的推荐系统通过关联三元组增强用户画像，利用元图实例来挖掘用户和资源之间的联系，并在MLP模型基础上引入注意力机制以考虑不同元图对结果的贡献度，从而使推荐结果更精确更具可解释性。

技术领域

本发明涉及计算机人工智能技术领域，尤其是一种基于知识图谱的智慧城市数据资源推荐方法和系统。

背景技术

随着中国城市化的发展和城市人口的膨胀，“城市病”成为了各城市建设与管理的难题。在此背景之下，智慧城市应运而生。智慧城市把信息技术充分运用在各行各业的城市信息化高级形态，实现了信息化、工业化与城镇化的深度融合，有助于缓解“大城市病”，提高城镇化质量，并提升城市管理成效和改善市民生活质量。为响应国家信息基础设施建设号召，在各个地方城市建设智慧城市的过程中，汇集了各个领域专家的智慧，涌现出了一大批具有智慧城市规划、建设、维护能力的高校、院所、企业，并催生了诸多优秀的技术成果和解决方案。在将智慧城市领域的专家、单位、解决方案等资源整合的基础上，建立一个推荐系统，能够为专家寻找更合适的平台，为企业机构寻找更匹配的方案，可以促进智慧城市的良性发展，减少后续智慧城市建设出现的问题，有效规避信息过载问题。

现有传统技术中，无论是基于内容或者是基于协同过滤的推荐系统都无法避免数据稀疏和冷启动问题所产生的推荐结果单一和新鲜感不足问题。解决上述两种问题的思路通常是引入辅助信息。

近几年来，随着知识图谱技术的发展，不少研究学者将知识图谱作为辅助信息引入到推荐系统中。知识图谱作为一种异构信息网络，其中的结点对应实体，边对应实体之间的语义关系。在知识图谱中，大量的实体和关系数据能够为推荐系统学习用户画像和物品知识表示提供丰富的辅助信息，丰富用户和物品的属性特征，提升推荐算法的可解释性，弥补数据方面的缺陷，提升推荐结果的质量。

但是在引入知识图谱作为辅助信息时，传统的推荐系统只是简单的将知识图谱进行向量化表示引入推荐过程中，很少针对知识图谱中复杂的网络结构来构建用户与物品之间丰富的语义关系。

发明内容

针对上述问题，本发明提出了一种基于知识图谱的智慧城市数据资源推荐方法和系统，从传统推荐系统对知识图谱利用不充分和如何对知识图谱进行有效建模两个问题出发，将知识图谱作为辅助信息引入到推荐系统中，充分考虑知识图谱中复杂的网络结构，设计相应的辅助信息利用模式，最后通过深度网络模型来预测用户与智慧城市相关数据资源之间的偏好程度，为用户推荐其可能感兴趣的资源。保证推荐结果的多样性和精准度的同时，提高推荐系统的可解释性，使得用户更容易地获取其当前可能感兴趣的相关智慧城市资源信息。

本次发明的技术解决方案：一种基于知识图谱的智慧城市数据资源推荐方法，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。

根据本发明的另一个方面，还提出一种基于知识图谱的智慧城市数据资源推荐系统，包括：