[发明专利]知识图谱生成方法、装置、数据处理设备及存储介质有效

专利信息
申请号: 201911336710.0 申请日: 2019-12-23
公开(公告)号: CN111125376B 公开(公告)日: 2023-08-29
发明(设计)人: 吴明平;梁新敏;陈羲;吴明辉 申请(专利权)人: 秒针信息技术有限公司
主分类号: G06F16/36 分类号: G06F16/36;G06Q30/0601
代理公司: 北京超成律师事务所 11646 代理人: 刘静
地址: 100000 北京市朝阳*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 知识 图谱 生成 方法 装置 数据处理 设备 存储 介质
【权利要求书】:

1.一种知识图谱生成方法,其特征在于,应用于数据处理设备,所述方法包括:

获取记录有用户属性及行为信息的第一类型数据以及第二类型数据,其中,所述第一类型数据与所述第二类型数据属于同一品牌,第一类型数据为该品牌线上门店的用户访问数据,所述第二类型数据为该品牌线下门店的用户访问数据;

生成所述第一类型数据的第一知识图谱以及所述第二类型数据的第二知识图谱;

获取所述第一知识图谱中各用户的特征向量与所述第二知识图谱中各用户的特征向量,所述特征向量携带有对应用户的直接特征以及隐含特征,所述直接特征表征对应用户已购买的商品,所述隐含特征表征对应用户可能喜欢的商品;

根据所述特征向量计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度;

将所述相似度大于预设融合阈值的第一知识图谱中的用户与第二知识图谱中的用户进行融合,获得融合后的知识图谱。

2.根据权利要求1所述的知识图谱生成方法,其特征在于,所述获取所述第一知识图谱中的用户的特征向量与所述第二知识图谱中的用户的特征向量的步骤,包括:

通过图嵌入算法对第一知识图谱中各用户的数据以及第二知识图谱中各用户的数据进行分析,获得所述第一知识图谱中各用户的特征向量与所述第二知识图谱中各用户的特征向量。

3.根据权利要求1所述的知识图谱生成方法,其特征在于,所述根据所述特征向量计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度的步骤,包括:

根据所述特征向量,通过余弦相似度算法计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度。

4.根据权利要求1所述的知识图谱生成方法,其特征在于,所述生成所述第一类型数据的第一知识图谱以及所述第二类型数据的第二知识图谱的步骤,包括:

基于预设的数据关系的描述,对所述第一类型数据以及所述第二类型数据进行解析,生成所述第一类型数据的第一知识图谱以及所述第二类型数据的第二知识图谱。

5.一种知识图谱生成装置,其特征在于,应用于数据处理设备,该知识图谱生成装置包括数据获取模块、图谱生成模块、向量获取模块、相似度计算模块以及用户融合模块;

所述数据获取模块用于获取记录有用户属性及行为信息的第一类型数据以及第二类型数据,其中,所述第一类型数据与所述第二类型数据属于同一品牌,第一类型数据为该品牌线上门店的用户访问数据,所述第二类型数据为该品牌线下门店的用户访问数据;

所述图谱生成模块用于生成所述第一类型数据的第一知识图谱以及所述第二类型数据的第二知识图谱;

所述向量获取模块用于获取所述第一知识图谱中各用户的特征向量与所述第二知识图谱中各用户的特征向量,所述特征向量携带有对应用户的直接特征以及隐含特征,所述直接特征表征对应用户已购买的商品,所述隐含特征表征对应用户可能喜欢的商品;

所述相似度计算模块用于根据所述特征向量计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度;

所述用户融合模块用于将所述相似度大于预设融合阈值的第一知识图谱中的用户与第二知识图谱中的用户进行融合,获得融合后的知识图谱。

6.根据权利要求5所述的知识图谱生成装置,其特征在于,所述向量获取模块通过如下方式获取所述第一知识图谱中各用户的特征向量与所述第二知识图谱中各用户的特征向量:

通过图嵌入算法对第一知识图谱中各用户的数据以及第二知识图谱中各用户的数据进行分析,获得所述第一知识图谱中各用户的特征向量与所述第二知识图谱中各用户的特征向量。

7.根据权利要求5所述的知识图谱生成装置,其特征在于,所述相似度计算模块通过如下方式计算计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度:

根据所述特征向量,通过余弦相似度算法计算所述第一知识图谱中的用户与所述第二知识图谱中的用户之间的相似度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于秒针信息技术有限公司,未经秒针信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911336710.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top