[发明专利]基于知识图谱的协同过滤推荐方法及系统

权利要求书

1.一种基于知识图谱的协同过滤推荐方法，其特征在于，所述基于知识图谱的协同过滤推荐方法包括：

根据实体交互图和实体对应的知识图谱得到协同知识图谱，所述实体交互图包括用户和物品，所述协同知识图谱的知识以三元组的形式表示，所述三元组包括头实体、关系和尾实体；

将与实体相关的描述信息输入实体描述编码器得到实体描述向量；

基于TransR算法通过混合项的限制，将所述实体描述向量和实体结构向量映射到同一语义空间，所述语义空间中还包括关系向量，在同一语义空间中关系向量共享，所述实体结构向量和所述关系向量是根据所述TransR算法训练得到；

根据所述协同知识图谱得到所述实体的自我中心网络向量；

根据所述实体描述向量和所述实体结构向量得到实体表示向量，所述实体表示向量根据实体表示向量和自我中心网络向量进行更新；

根据所述实体表示向量得到用户与物品之间的交互概率。

2.如权利要求1所述的基于知识图谱的协同过滤推荐方法，其特征在于，所述的基于知识图谱的协同过滤推荐方法，还包括：

其中，表示三元组的得分函数，表示关系映射矩阵，表示头实体描述向量，表示关系向量，表示尾实体描述向量，表示尾实体的结构向量，表示尾实体的描述向量；是知识嵌入的损失函数，h表示头实体、r表示关系、t表示尾实体，为正样本集合，为随机替换正样本中头实体或尾实体生成的负样本集合，是间隔系数。

3.如权利要求1所述的基于知识图谱的协同过滤推荐方法，其特征在于，根据所述协同知识图谱得到所述实体的自我中心网络向量，具体包括：

其中，表示h的自我中心网络向量，表示和相加得到的混合向量，表示头实体描述向量，表示尾实体的描述向量，表示传播的衰减系数，N_h表示自我中心网络。

4.如权利要求3所述的基于知识图谱的协同过滤推荐方法，其特征在于，的计算公式具体为：

其中，表示描述向量，表示关系向量。

5.如权利要求1所述的基于知识图谱的协同过滤推荐方法，其特征在于，根据所述实体描述向量和所述实体结构向量得到实体表示向量，所述实体表示向量根据实体表示向量和我中心网络向量进行更新，具体包括：

其中，表示结合 自身的信息和与其相邻距离为*的节点信息对 进行表示，中*表示*阶的表示向量，为激活函数，为可训练的权重矩阵。

6.如权利要求5所述的基于知识图谱的协同过滤推荐方法，其特征在于，根据所述实体描述向量和所述实体结构向量得到实体表示向量，所述实体表示向量根据实体表示向量和我中心网络向量进行更新，还包括：

其中，

表示结合 的自我中心网络向量和与其相邻距离为*的节点信息对 进行的中心网络向量。

7.如权利要求1所述的基于知识图谱的协同过滤推荐方法，其特征在于，根据所述实体表示向量得到用户与物品之间的交互概率，具体包括：

其中, 表示向量拼接符号，表示用户的最终表示向量，表示物品的最终表示向量，表示用户的节点表示，表示物品的节点表示，表示用户与物品进行交互概率，为协同过滤损失函数，表示sigmoid函数，用于进行归一化。