[发明专利]一种融合知识图谱与情感分析的视频推荐方法

说明书

本发明公开了一种融合知识图谱与情感分析的视频推荐方法，包括：1、使用知识图谱作为额外辅助信息，通过文本卷积神经网络提取视频特征生成视频向量；2、构建情感兴趣预测模型，眼动仪采集的眼动数据通过广义回归神经网络生成情感向量；3、将历史视频向量与对应的视频情感向量进行拼接经过神经网络DNN生成历史视频最终向量，计算所有历史视频最终向量的加和平均值动态的构建用户向量；4、候选视频向量和用户向量拼接后通过多层感知计算用户点击候选视频的概率，得到Top‑N推荐列表。本发明通过建立融合知识图谱与情感分析的视频推荐模型，用于用户的个性化推荐，并能提高推荐精度。

技术领域

本发明属于计算机机器学习与人工智能技术领域，主要是涉及一种融合知识图谱与情感分析的视频推荐方法。

背景技术

近些年来互联网技术的进步突飞猛进，互联网用户的数量也呈几何倍的速度爆炸增长，这其中就产生了海量的数据，传统的搜索引擎技术虽然可以帮助我们寻找到满意的信息，但当我们没有明显的需求情况下，面对海量的数据，很难找到自己感兴趣的信息。因此，为了解决这种“信息过载”的问题，推荐系统应运而生。简单来说，推荐系统会根据用户的使用习惯，如用户的历史记录等，去了解用户的兴趣，通过建模用户兴趣偏好，将用户可能感兴趣的信息推荐给用户，从而满足用户的个性化需求。推荐算法被广泛地应用于各种领域如电子商务、社交应用以及新闻媒体等，对有效减轻信息过载尤为重要。

传统的推荐系统只使用用户和物品的交互信息作为输入，通过描述用户或物品的现有特性(如ID属性)映射来获得用户或物品的Embedding表示。然而这样的方法应用到视频推荐中会存在以下的缺点，即无法发现视频之间潜在的知识级连接，也无法利用用户在观看视频时产生的情感，不能区分出用户对不同视频的兴趣偏好程度。这样一来，用户观看视频的模式就会被限制在一个有限的范围内，无法在现有的基础上合理扩展推荐的方法。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种融合知识图谱与情感分析的视频推荐方法，以期能发现视频之间潜在的知识级连接，并且充分利用用户在观看视频时产生的情感，以提高不同用户对不同视频的兴趣偏好程度的区分度，从而达到更好的推荐效果和较高的精度。

本发明为解决技术问题采用如下技术方案：

本发明一种融合知识图谱与情感分析的视频推荐方法的特点是按照如下步骤进行：

步骤1、融合通用知识图谱：

步骤1.1、获取用户u在一段时间内观看过的视频作为历史视频，并将历史视频的视频标题记为表示用户u观看过的第i个历史视频的视频标题，i∈[1,N_u]，N_u为用户u观看过的视频总量；同时获取推荐给用户u的M个候选视频的视频标题表示第j个候选视频的视频标题，j∈[1,M]，M为推荐给用户u的候选视频数目；

步骤1.2、分别提取所述第i个历史视频的视频标题与第j个候选视频的视频标题中的词向量，记为和其中，表示第i个历史视频的视频标题中第n个词向量，表示第j个候选视频的视频标题中第n个词向量，N为视频标题中词向量数量的最大值；

步骤1.3、标注视频标题{t_u,t_h}中的每个单词为实体词，并获取通用知识图谱中对应的实体，从而利用实体链接和消除歧义构建知识子图；

步骤1.4、利用知识图谱表示学习模型TransE分别提取所述知识子图中第i个历史视频的视频标题中的实体词对应的实体向量以及第j个候选视频的视频标题中的实体词对应的实体向量其中，表示第i个历史视频的视频标题中第n个单词对应的实体向量；表示第j个候选视频的视频标题中第n个单词对应的实体向量；

步骤1.5、根据所述实体向量和分别获取所述知识子图中与相应实体向量相互关联的其他实体向量，并将与相应实体向量相互关联的其他实体向量的平均值分别作为对应实体向量的实体上下文向量和