[发明专利]一种基于协同关系图的推荐方法及相关装置

说明书

本申请公开了一种基于协同关系图的推荐方法及相关装置，推荐方法包括构建协同关系图，基于协同关系图获取与实体节点的交互节点，基于交互节点确定实体节点的隐式关系嵌入表示；基于协同关系图获取以实体节点为头实体的三元组，基于获取到的所有三元组确定实体节点的显式关系嵌入表示；基于隐式关系嵌入表示和显式关系嵌入表示获取实体节点的高阶领域信息；基于高阶领域信息训练推荐模型，通过推荐模型确定待推荐用户与其对应的各候选物品的交互概率。本申请通过整合“用户‑物品”二部图和知识图谱，同时利用“用户‑物品”之间的隐式关系和实体之间的属性关系来进行高阶信息传播，以有效利发掘节点的高阶邻域信息，提高推荐准确性。

技术领域

本申请涉及信息技术领域，特别涉及一种基于协同关系图的推荐方法及相关装置。

背景技术

随着互联网时代的飞速发展，要在海量资源中快速准确获取所需信息变得困难，这一问题被称为信息过载。推荐系统作为一种有效缓解信息过载的手段，具有重要的实用研究价值。传统的推荐算法例如协同过滤(Collaborative Filtering)方法，可以通过用户的历史行为，构建“用户-物品”的交互矩阵，从而为目标用户推荐其相似用户喜欢的物品，或者为目标用户推荐其喜好物品的相似物品。然而，协同过滤方法一方面是存在数据稀疏性问题，即在用户交互历史数据稀少时表现不佳；另一方面是对用户和物品的属性信息利用不足，仅仅利用到了用户的交互信息。

为了弥补协同过滤方法存在的问题，知识图谱被作为辅助手段引入推荐系统，知识图谱是以结构化形式描述实体与实体之间关联信息的载体，具有强大的语义表征能力，通过知识图谱可以有效缓解数据稀疏问题，同时还可以利用到用户和物品的属性信息。目前，知识图谱推荐方法主要分为基于向量(Embedding-based)的方法和基于路径(Path-based)的方法，其中，基于向量的方法需要将知识图谱的实体和关系映射为低维向量，形成对推荐系统中用户和物品的表示；基于路径的方法主要通过知识图谱实体之间的连通关系，推断出节点之间的相似关系，进而形成推荐。然而，目前知识图谱的推荐方法仅利用到了实体间的直接关系，而忽略了“用户-物品”之间潜在的关系，使其存在对图模型中高阶邻域信息的发掘能力不佳的问题，从而存在推荐结果不佳。

因而现有技术还有待改进和提高。

发明内容

本申请要解决的技术问题在于，针对现有技术的不足，提供一种基于协同关系图的推荐方法及相关装置。

为了解决上述技术问题，本申请实施例第一方面提供了一种基于协同关系图的推荐方法，所述的推荐方法包括：

构建用户历史数据集对应的协同关系图，其中，所述协同关系图为基于用户-物品二部图和物品-属性知识图谱构建的；

对于协同关系图中的每个实体节点，基于所述协同关系图获取与所述实体节点具有交互关系的交互节点，并基于获取到的交互节点确定所述实体节点的隐式关系嵌入表示；

对于协同关系图中的每个实体节点，基于所述协同关系图获取以所述实体节点为头实体的物品属性三元组，并基于获取到的所有物品属性三元组确定所述实体节点的显式关系嵌入表示；

对于协同关系图中的每个实体节点，基于所述隐式关系嵌入表示和显式关系嵌入表示，通过逐层传播获得实体节点的高阶领域信息；

基于所述实体节点的高阶领域信息训练推荐模型，通过训练后的推荐模型确定待推荐用户与其对应的各候选物品的交互概率。

所述基于协同关系图的推荐方法，其中，所述构建用户历史数据集对应的协同关系图具体包括：

基于用户历史数据集确定用户-物品的交互关系，并基于确定交互关系构建用户-物品二部图；

确定用户历史数据集中物品的物品属性，并基于物品数据构建物品-属性知识图谱；

根据所述用户-物品二部图和所述物品-属性知识图谱构建协同关系图。