[发明专利]一种科技文献推荐方法

说明书

本发明提供了一种科技文献推荐方法通过采集科技文献相关数据构建科技文献知识图谱，同时收集并处理用户在系统产生的交互数据，设计融合用户行为特征与知识表示的推荐模型。相较于现有推荐模型，一方面基于用户面向科技文献资源提出的自然语言查询，分析用户偏好对科技文献知识图谱产生的语义影响，提取隐含在用户信息中的关系语义特征，建立融入关系语义的知识表示学习模型，用以提高科技文献等知识的语义表征；另一方面基于用户的历史行为交互数据，结合知识表示学习模型深入分析关系与实体对用户偏好的语义影响，建立多层次偏好感知的推荐模型，用以提高用户与科技文献之间的语义关联。

技术领域

本发明涉及知识图谱技术领域，具体涉及一种科技文献推荐方法，更具体的涉及一种融合用户交互特征和知识表示的科技文献推荐方法。

背景技术

科技文献作为当前科技创新的重要载体之一，体现了国家科技创新能力。在科技发展日新月异的今天，国内外各个研究领域的科技文献层出不穷，各大文献数据库和知识服务平台汇聚了多方数据，并提供查询检索服务，帮助用户查找所需要的科技文献资源，如中国知网等服务平台。然而，随着科技文献数量和覆盖领域的不断扩增，单纯提供以字符串匹配为核心的查询检索方式难以满足用户对科技文献快速精准的查阅，造成用户体验不佳。

并且现有的基于知识图谱的推荐模型忽略了人类历史经验对关系、实体和事实三元组产生的语义影响，导致知识的语义表征无法表达用户的特征与需求，同时限制了知识图谱在个性化推荐任务中的应用。

综上所述，急需一种新型的科技文献推荐方法以解决现有技术中存在的问题。

发明内容

本发明目的在于提供一种科技文献推荐方法，具体技术方案如下：

一种科技文献推荐方法，包括以下步骤：

S1：构建科技文献知识图谱：对科技文献资源数据进行爬取，得到非结构化文本数据；从非结构化文本数据中抽取与科技文献相关的实体和关系，得到实体集和关系集，并通过实体集和关系集构建三元组集合，结合实体集、关系集以及三元组集合，构建科技文献知识图谱；

S2：构建用户的交互数据库：收集用户对于科技文献知识图谱的历史行为交互数据；收集用户面向科技文献知识图谱提出的自然语言查询，并将自然语言查询转化为SPARQL查询语句；存储历史行为交互数据以及SPARQL查询语句；

S3：基于用户的交互数据库和科技文献知识图谱建立用户偏好模型，所述用户偏好模型包括知识表示学习模型以及推荐模型，用户偏好模型构建过程具体包括：

S3-1：基于SPARQL查询语句结合科技文献知识图谱构建知识表示学习模型；

S3-2：基于历史行为交互数据构建推荐模型；

S4：构建平衡函数平衡知识表示学习模型中的实体和推荐模型中的项目并同时训练知识表示学习模型和推荐模型，得到既具有图结构特征又具有交互语义特征的用户向量值和实体向量值，并依据用户向量值与实体向量值的相似度由高至低依次排列生成推荐列表。

优选的，所述步骤S3-1具体为：

S3-1-1：分析SPARQL查询语句中二元谓词的时序特征与频率特征，并构建关系语义矩阵，其表达式如下：

其中，S(r)表示关系r的语义权重值，为时间信任增长因子；表示二元谓词组(P_j,P_k)在时间帧τ_i内的SPARQL查询语句集合出现的频率；β为平衡非频繁谓词组总频率的超参数；为非频繁谓词组集合，FP为频繁谓词组集合；

S3-1-2：将关系语义矩阵作为输入，利用加权编码器来计算科技文献知识图谱中每个由不同关系链接的三元组的关联度，关联度函数的表达式如下：