[发明专利]基于图神经网络和知识图谱结合的文化资源推荐方法

权利要求书

1.基于图神经网络和知识图谱结合的文化资源推荐方法，其特征在于，包括如下几个步骤：

步骤1：将用户集U和物品集V输入至推荐模型MKB中，得到输入用户和物品交互数据和知识图谱数据，并对其进行数据预处理，获取用户、物品和知识图谱三元组信息；

步骤2：将步骤1获得的用户、物品和知识图谱三元组信息输入二部图神经网络Bine，获得用户向量矩阵和物品初始化向量矩阵；

步骤3：初始化知识图谱中头部实体向量、关系向量和尾部实体向量，对物品初始化向量矩阵与知识图谱头部的实体向量进行交叉训练；

步骤4：迭代更新物品向量、实体向量和知识图谱尾部向量；损失函数为迭代目标函数，推荐模块的物品点击率和知识图谱模块的尾部实体预测差值的和的最小值为目标，进行迭代更新；

步骤5：最终获得预测的用户感兴趣物品，即用户物品预测向量矩阵，迭代计算结束，并通过获得的预测矩阵计算准确率和召回率性能指标；

通过上述训练，获取了用户对物品潜在兴趣预测，在训练过程中采用负采样策略提高计算效率。

2.根据权利要求1所述的基于图神经网络和知识图谱结合的文化资源推荐方法，其特征在于，所述推荐模型MKB由模型MKR结合二部图神经网络Bine得到，包括推荐模块、交叉单元和知识图谱模块。

3.根据权利要求1所述的基于图神经网络和知识图谱结合的文化资源推荐方法，其特征在于，步骤1具体为：

步骤1.1：推荐模型MKB的输入包括用户集U和物品集V，用户物品交互集表示为：C_uv＝1表示该用户点击或者浏览过物品，反之为0则表示用户与该物品没有任何交互；知识图谱使用三元组(h,r,t)表示，h和t分别表示知识图谱中的头部实体和尾部实体，r表示关系；推荐的目标在于求得用户u是否对某一个未交互的实体v感兴趣；最终得到用户物品历史交互数据和知识图谱数据；

步骤1.2：将用户和物品交互信息数据与知识图谱相结合，提取出用户、物品和知识图谱三元组信息；使用这些信息作为推荐模型训练的输入信息，实现逻辑，具体为：

对于用户的每一个交互数据，都属于用户交互物品的集合；知识图谱中头部的实体信息是任何一个实体，部分实体有不存在与用户交互的历史数据的情况，将交互数据与知识图谱相结合，提取出有效的知识图信息并进行数据的统一编号，获得每个用户交互的物品集合。

4.根据权利要求1所述的基于图神经网络和知识图谱结合的文化资源推荐方法，其特征在于，步骤2具体为：

输入步骤1得到的用户、物品和知识图谱三元组信息到二部图神经网络Bine，Bine通过考虑用户、物品三元组中两个连接顶点的局部邻近度构建显示关系以及考虑顶点之间存在的路径构建隐式关系来学习节点表示，顶点间关系的计算使用联合优化来学习嵌入，使用随机梯度上升算法训练Bine；最终生成用户向量矩阵和物品初始化向量矩阵。

5.根据权利要求4所述的基于图神经网络和知识图谱结合的文化资源推荐方法，其特征在于，对于任意的两个用户节点u_i和物品节点v_j，利用其特征向量的内积估计其局部邻近度来构建关系；

其中，和分别是节点u_i和v_j对应的d维的特征向量。