[发明专利]一种基于知识图谱的物品推荐方法

说明书

本发明属于物品推荐技术领域，公开了一种基于知识图谱的物品推荐方法，包括如下步骤：基于知识图谱建立物品推荐预测模型；获取若干推荐物品和目标用户的用户数据；将所有推荐物品和目标用户的用户数据输入物品推荐预测模型进行预测，得到所有推荐物品的物品推荐预测结果；根据物品推荐预测结果对所有推荐物品进行排序和筛选，得到物品推荐清单。本发明解决了现有技术存在的物品推荐准确性低，不符合实际情况，用户的使用满意度低的问题。

技术领域

本发明属于物品推荐技术领域，具体涉及一种基于知识图谱的物品推荐方法。

背景技术

随着信息技术的发展，信息过载的问题日益突出，所以使用推荐技术帮助用户从大量的信息中挖掘到有用的信息，并满足用户的兴趣偏好，解决信息过载的问题。传统的推荐技术中最流行的是协调过滤CF技术，通过分析用户的历史交互，并根据用户的共同偏好的物品进行推荐。然而，基于CF的推荐算法存在冷启动和用户物品交互的稀疏性问题，影响了个性化推荐的效果。

为了解决上述问题，现有技术将知识图谱KG作为辅助信息融入推荐方法，丰富了实体之间的语义关联信息，解决了数据稀疏的问题，并提高推荐方法的性能。KG是一种异构图，式中节点作为表示的实体，而边作为表示实体之间的对应关系。将物品及其属性映射到KG中，为物品与物品之间建立了联系，从而为推荐的结果增强了可解释性，具有重要的研究意义和价值。现在有的基于KG的推荐方法以三种方式应用KG：基于嵌入的方法、基于路径的方法和统一的方法；基于嵌入的方法利用KG丰富了物品或用户的表示，但忽略了知识图谱中信息的关联，导致推荐方法实用性低；基于路径的方法探索KG中各个实体之间的联系，为用户提供结果的解释，但过分依赖于手动设计的元路径；统一方法是将基于嵌入的方法和基于路径的方法进行结合，利用实体间的联系来在挖掘用户的兴趣表示或物品隐含信息的表示，且还具有解释推荐结果的能力，但是忽略了用户与物品的隐含信息之间的相互影响，以上方法存在的问题导致最终的物品推荐准确性低，不符合实际情况，用户的使用满意度低。

发明内容

为了解决现有技术存在的物品推荐准确性低，不符合实际情况，用户的使用满意度低的问题，提出一种基于知识图谱的物品推荐方法。

本发明所采用的技术方案为：

一种基于知识图谱的物品推荐方法，包括如下步骤：

基于知识图谱建立物品推荐预测模型；

获取若干推荐物品和目标用户的用户数据；

将所有推荐物品和目标用户的用户数据输入物品推荐预测模型进行预测，得到所有推荐物品的物品推荐预测结果；

根据物品推荐预测结果对所有推荐物品进行排序和筛选，得到物品推荐清单。

进一步地，基于知识图谱建立物品推荐预测模型，包括如下步骤：

获取推荐物品训练数据集和对应的用户数据训练数据集；

基于知识图谱和神经网络建立初始的物品推荐预测模型；

将推荐物品训练数据集和对应的用户数据训练数据集输入初始的物品推荐预测模型进行训练，得到最优的物品推荐预测模型。

进一步地，物品推荐预测模型包括用户交互学习模块、图卷积网络模块、RippleNet网络模块以及全连接网络模块。

进一步地，用户数据包括目标用户的原始的用户历史兴趣和原始的用户特征数据。

进一步地，将所有推荐物品和目标用户的用户数据输入物品推荐预测模型进行预测，包括如下步骤：

将目标用户的原始的用户历史兴趣和原始的用户特征数据输入用户交互学习模块，得到提取后的用户历史兴趣和多信息交互的用户特征；

将提取后的用户历史兴趣和当前推荐物品输入图卷积网络模块，得到物品表示增强的向量；