[发明专利]基于知识图谱关注网络的建筑领域文档推荐系统及方法

说明书

本发明公开了一种基于知识图谱关注网络的建筑领域文档推荐系统，包括：构建协同知识图单元、协同知识图嵌入单元、构建关注传播嵌入层单元和结果输出层单元,所述构建协同知识图单元以知识图谱为基础，将用户与物品的交互数据加入到知识图谱中，形成协同知识图；协同知识图嵌入单元将协同知识图表示为计算机能够识别的语言；所述构建关注传播嵌入层单元获得与某个文档有某些相同属性的文档对该文档的影响；所述结果输出层单元根据所述构建关注传播嵌入层单元的输出，针对每一个用户预测用户会查看某个文档的概率。本发明还公开了基于知识图谱关注网络的建筑领域文档推荐方法。本发明有效实现建筑领域文档的推荐。

技术领域

本发明涉及知识图谱网络领域，尤其涉及基于知识图谱关注网络的建筑领域文档推荐系统及方法。

背景技术

推荐系统旨在解决信息超载问题和根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户。最流行的推荐技术之一是协同过滤，利用某兴趣相投和拥有共同经验之群体的喜好来推荐用户感兴趣的信息，个人通过合作的机制给予信息相当程度的回应(如评分)并记录下来以达到过滤的目的，进而帮助别人筛选信息。

然而，基于合作框架的方法通常受到用户和项目交互关系的稀疏性和冷启动等问题困扰。为了提供更准确、更多样和可解释更强的推荐，不能只考虑对用户和项目交互关系进行建模，建议使用辅助信息，包括社交网络、物品属性和多媒体。知识图谱是推荐系统的一种辅助信息，它通常包含关于实体的属性和实体间的联系。由于其高维性和异构性，知识图谱通常通过知识图谱嵌入(KGE)方法进行预处理，该方法将实体和关系嵌入到低维向量空间中，同时保持其固有结构。

近年来，基于知识图谱并利用协作知识图谱结构进行推荐的方法大致可分为两类，基于路径的方法和基于规范化的方法。基于路径的方法提取携带高阶信息的路径，并将它们输入预测模型；而基于规范化的方法设计了捕获知识图谱结构的附加损失项来正则化推荐器模型学习。借助基于知识图谱关注网络的建筑领域文档推荐，是很有必要的。

发明内容

本发明的目的在于提供一种基于知识图谱关注网络的建筑领域文档推荐系统和方法，有效实现建筑领域文档的推荐。

实现上述目的的技术方案是：

一种基于知识图谱关注网络的建筑领域文档推荐系统，包括：构建协同知识图单元、协同知识图嵌入单元、构建关注传播嵌入层单元和结果输出层单元,

所述构建协同知识图单元以知识图谱为基础，将用户与物品的交互数据加入到知识图谱中，形成一个协同知识图；

所述协同知识图嵌入单元将协同知识图表示为计算机能够识别的语言；

所述构建关注传播嵌入层单元根据所述协同知识图嵌入单元的输出结果，获得与某个文档有某些相同属性的文档对该文档的影响；

所述结果输出层单元根据所述构建关注传播嵌入层单元的输出，针对每一个用户预测用户会查看某个文档的概率。

优选的，所述构建关注传播嵌入层单元递归地传播来自节点的邻居的嵌入以更新某个节点的表示，并采用知识感知关注机制来学习传播期间每个邻居的权重。

优选的，还包括交互数据单元和知识图谱数据单元；

所述交互数据单元存储用户与物品的交互数据；

所述知识图谱数据单元存储知识图谱数据，知识图谱数据指：将物品按照建筑领域的文档结构，采用图数据库的形式存储。

本发明的基于知识图谱关注网络的建筑领域文档推荐方法，包括：

步骤S1，获取用户与文档的交互数据和知识图谱数据；

步骤S2，将用户与物品的交互数据和知识图谱集成为一个统一的协同知识图；