[发明专利]一种用于设备运维方案推荐的知识图谱优化的协同过滤算法

权利要求书

1.一种基于知识图谱优化的协同过滤推荐算法，其特征在于，包括：

步骤S1：基于知识图谱的相似度计算模块，其中知识图谱的相似度计算方法采取利用加权的欧式距离计算知识图谱实体之间的语义相似度；

步骤S2：基于用户的协同过滤相似度计算模块，该模块利用系统中用户的评分矩阵表示用户对运维方案的偏好，计算不同用户之间在运维方案属性偏好上的相似性；

步骤S3：预测评分模块，用于通过融合因子函数计算得到最终的相似性，通过融合后的相似性得到指定运维方案的最近邻居后，通过评分预测公式来计算系统中的用户对未评分方案的评分，然后向用户推荐评分最高的前N种运维方案；

其中，最终的相似性计算公式为：

其中，

其中，sim(I_i,I_j)为最终的相似性；f_kg(I_i,I_j)为融合后的知识图谱的相似度融合因子函数；f_cf(I_i,I_j)为融合后的协同过滤相似度的融合因子函数；f(I_i,I_j)为知识图谱中实体的相同属性对融合因子函数的影响计算知识图谱的相似度占比大小的权重；α为融合因子，count代表员工对运维方案的评分数量，γ为异常问题-运维方案评分数量的共同阀值，η为直接关系权重值，η²为间接关系权重值。

2.根据权利要求1所述的一种基于知识图谱优化的协同过滤推荐算法，其特征在于，利用加权的欧式距离计算知识图谱实体之间的相似度。

3.根据权利要求1所述的一种基于知识图谱优化的协同过滤推荐算法，其特征在于，根据用户的评分计算相似度来表示用户对方案的偏好，具体包括：可以利用余弦公式计算得到运维人员评价的异常问题-运维方案的相似度。

4.根据权利要求1所述的一种基于知识图谱优化的协同过滤推荐算法，其特征在于，根据融合因子函数将知识图谱和基于用户的协同过滤算法的相似度进行融合，具体包括：

sim(I_i,I_j)＝f_kg(I_i,I_j)·sim_kg(I_i,I_j)+f_cf(I_i,I_j)·sim_cf(I_i,I_j)    (1)

式(1)中的f_kg(I_i,I_j)和f_cf(I_i,I_j)为融合因子函数。

5.根据权利要求1所述的一种基于知识图谱优化的协同过滤推荐算法，其特征在于，根据得到的融合后的相似度利用预测评分公式进行评分预测，具体包括：

评分预测公式为：

公式(2)中的为用户对异常问题v的解决方案的平均评分，r_uj表示的是相似异常问题对应运维方案的评分，f(|t_ui-t_uj|)表示的是时间衰减函数，目的是提高员工最近评分的行为对推荐方案的权重，员工对异常问题的解决方案的平均评分N(u)为异常问题对应方案的评分集合，r_ui表示方案的评分，N_t为时间衰减参数而t_ui-t_uj表示的是时间间隔。