[发明专利]一种基于知识图谱提取倾向性的群组推荐方法

说明书

本发明公开了一种基于知识图谱提取用户倾向性的群组推荐方法，其特点是通过利用物品知识谱图和个人知识谱图来提取用户‑项交互背后的用户选择倾向性，实现用户实体群组推荐，该方法不仅需要利用物品的知识图谱来把握用户的喜好、完善用户画像，还利用个人知识图谱来对用户与用户之间的影响通过属性组合进行抽取，为目标群组进行推荐。本发明与现有的技术相比具有提升准确率的同时大大提高了推荐的可解释性，引入了个人知识图谱，补充了用户在选择时考虑到群体中其他用户的特点，融合使用了用户信息、物品信息以及群组交互，能更好的理解用户在选择时被哪些因素影响，把握用户的喜好，完善用户画像，方法简便，效果好，具有很好的应用前景。

技术领域

本发明涉及推荐系统技术领域，尤其是一种基于知识图谱提取倾向性的群组推荐方法。

背景技术

在互联网技术飞速发展的背景下，数据过载的问题已经不容忽视。如何在大量的数据中选出符合用户偏好的内容，就是推荐系统最核心的目标，比起搜索引擎，推荐系统通过个性化计算把握用户的兴趣偏好，从而引导用户发现自己的信息需求。

迄今为止，个人推荐系统已经取得了很好的进步，在学术上，更多的推荐系统也是集中在单用户模型上。但在现实生活中，产生互动主要是在群体中，比如和亲人观看电影，和同事聚会团建，和朋友计划出游等。同样重要的群组推荐问题在前沿的研究中，还有很大的发展空间。群组推荐算法将群组全体成员视为推荐受众，通过对群组中用户的偏好进行聚合，来找到一组符合群体偏好的物品。

然而，由于群组成员的不稳定性，对于这类群组的推荐将面对严重的数据稀疏性问题，难以直接从群组和物品的交互数据中得到群组的偏好，到达推荐的目的。针对该问题，目前较多的方法是使用注意力机制来定位影响用户决定的重要因素，如用户对其他用户的依赖、模拟用户决策过程等。除了使用注意力机制，借鉴个人推荐系统中处理冷启动的策略，群组推荐还可以借助知识图谱(Knowledge Graph)进行更好的推荐。知识图谱中用户节点和物品结点的属性信息，可以作为边信息(Side Information)丰富群组中用户的画像。

但是，目前使用知识图谱进行群组推荐还存在以下一些问题：

1)目前在群组推荐中，使用知识图谱的方法较少，现有的利用知识图谱的方法也没有合理利用知识图谱中的关系边，不足以捕获关系路径中关系与关系间的相互作用。

2)目前群组推荐中涉及知识图谱的方法，大多都只是用到商品(即将推荐的物品)的知识图谱，没有将用户(被给与推荐的用户)之间可能存在的相似属性利用起来。

3)对于用户在群组中产生行为的具体影响因素，现有的方法依旧不能很好的把握，无法明确得知群组中用户偏好受到物品属性和用户属性的影响，可解释性还有待提高。

发明内容

本发明的目的是针对现有技术的不足而提供的一种基于知识图谱提取倾向性的群组推荐方法，采用提取用户的选择倾向性的方法，对一个群组g在待选物品I中给出top-k推荐，利用物品知识谱图和个人知识谱图来探讨用户-项交互背后的用户意图，在知识图谱在用户-物品交互的基础上，增加物品-关系-属性一侧的信息，结合物品知识图谱和个人知识图谱，提取出影响用户群体决策的组合关系这一共性，作为选择的倾向性，为目标群组进行推荐，该方法不仅利用物品的知识图谱来把握用户的喜好、完善用户画像，还利用了个人知识图谱来对用户与用户之间的影响通过属性组合进行量化，实现用户实体群组推荐，大大提升了群组推荐的准确性和，可解释性，方法简便，准确率更高，实用性强，效果好，具有很好的应用前景。

实现本发明目的具体技术方案是：一种基于知识图谱提取倾向性的群组推荐方法，其特点是提取用户的选择倾向性，对一个群组g，在待选物品I中给出top-k推荐，该方法包括以下具体步骤。

步骤1：图谱获取与构建与数据集的划分