[发明专利]基于知识图谱和时序特征的对话推荐方法、系统及设备

说明书

本发明涉及一种基于知识图谱和时序特征的对话推荐方法、系统、设备及介质，其方法包括：首先，获取用户的至少一组对话数据；其次，将对话数据输入预先训练的对话推荐模型中，先后通过语义融合层获取对话数据的表征向量，通过时序优化层对所述表征向量赋予时序特征，以及获取对话关键信息和用户偏好信息；最后，依据所述时序特征、所述对话关键信息以及所述用户偏好信息，生成至少一组用于对话的应答和/或至少一个用于推荐的item。本发明提出了一种基于知识图谱和时序特征的框架，通过利用两个外部知识图谱增强word和item的语义表示，并且利用时序优化层根据对话内容的顺序给出不同的推荐意见，提升了对话推荐系统的性能。

技术领域

本发明涉及语义分析技术领域，尤其涉及一种基于知识图谱和时序特征的对话推荐方法、系统、设备及介质。

背景技术

随着互联网的普及和信息技术的发展，网络信息数据呈现爆炸性的增长，信息过载问题随之凸显。为了帮助用户从大量信息中发现自己感兴趣的信息，以及帮助信息生产者让自己生产的信息受到广大用户的关注，对话推荐系统应运而生，旨在通过交互式的对话给用户推荐高质量的item。知识图谱蕴含了item属性和各种类型的关系，具有强大的背景知识，能够为推荐算法提供丰富的item语义信息，提高推荐系统的性能，因此基于知识图谱的对话推荐系统有巨大的潜力。

现有的研究表明引入知识图谱虽然在一定程度上提高了对话推荐系统的性能，但是仍然存在一些问题。比如当都是谈到相同的item时，但对话的内容一个是正面，一个是负面，所推荐的item仍然没有区别。再比如，同一个item谈及到的时间顺序不一致，现有方案仍然给出同一的推荐结果，这说明现有的对话推荐系统并不能很好地应对各种场景下的对话与推荐。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种基于知识图谱和时序特征的对话推荐方法、系统、设备及介质，其解决了现有对话推荐系统因未考虑时序从而不能准确对话与推荐的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明公开一种基于知识图谱和时序特征的对话推荐方法，包括：

获取用户的至少一组对话数据；

将所述对话数据输入预先训练的对话推荐模型中，先后通过语义融合层获取对话数据的表征向量，通过时序优化层对所述对话数据的表征向量赋予时序特征，以及基于赋予时序特征的表征向量获取对话关键信息和用户偏好信息；

依据所述时序特征、对话关键信息以及用户偏好信息，生成至少一组用于对话的应答和/或至少一个用于推荐的item。

其中，所述对话推荐模型包括语义融合层和时序优化层，所述语义融合层的输出作为所述时序优化层的输入。

可选地，获取用户的至少一组对话数据之后，还包括：

构建对话推荐模型，并选取任一组对话数据对所述对话推荐模型进行训练，得到预先训练的对话推荐模型；

所述语义融合层基于知识图谱和图卷积神经网络构建而成，所述图卷积神经网络包括GCN神经网络和R-GCN神经网络；所述时序优化层基于依次连接的位置编码模块、BiGRU神经网络、注意力机制以及softmax模块构建而成。

可选地，所述通过语义融合层获取对话数据的表征向量包括：

从至少一个所述知识图谱中为对话数据中的单词级数据和item级数据分别匹配至少一个知识视图；

将所述单词级数据、item级数据以及各自匹配的知识视图分别输入到GCN神经网络和R-GCN神经网络，得到多个词表征向量和item表征向量。