[发明专利]基于知识图谱的信息推荐方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，揭露一种基于知识图谱的信息推荐方法、装置、设备及存储介质，其中方法包括获取初始数据，并识别初始数据中的实体和实体间的关系，构建知识图谱；当确定目标客户时，从知识图谱中提取目标客户的初始数据，构建子图，然后采用子图和预先构建的产品特征向量对图卷积神经网络GCN进行训练，并将基础数据中的产品信息数据输入到训练好的图卷积神经网络GCN中，进行二分类处理，得到每种产品的选择概率，并根据选择概率，选择对应的产品信息数据作为待推荐信息，并将待推荐信息推送给目标客户。本申请还涉及区块链技术，初始数据存储于区块链中。本申请通过构建知识图谱，以提高信息推荐的效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及基于知识图谱的信息推荐方法、装置、设备及存储介质。

背景技术

信息推荐是一种用于根据用户偏好，向用户推送用户关注的数据信息的方式，精准的信息推荐，一方面，有利于数据提供方想用户推送自己的数据信息，另一方面，也有利于的用户获取到自己想要的信息。近年来推荐系统越来越火，并用于各种不同的领域，包括电影、音乐、新闻、书籍等等。如电商平台也都有他们自己专门的推荐系统为客户们提供他们可能喜欢的产品。在合理的设置下，它可以有效的提升利润、点击率、转化率等等，为用户提供更好的体验。

现有的信息推荐系统，通过设置埋点的方法，收集用户数据，通过对用户数据进行分析，得出用户的偏好信息，并根据用户的偏好信息将推送信息推送给用户。但是，其分析用户的偏好信息的手段是仅仅根据用户选择某一产品来界定，没有充分考虑到产品属性间的关系，以及客户与产品间的关系，导致得出的用户的偏好信息有所偏差，使得推荐信息的转化率不高，从而导致信息推荐效率较低。现在亟需一种能够提高信息推荐效率的方法。

发明内容

本申请实施例的目的在于提出一种基于知识图谱的信息推荐方法，通过构建知识图谱的方式，对用户进行产品信息推荐，以提高信息推荐效率。

为了解决上述技术问题，本申请实施例提供一种基于知识图谱的信息推荐方法，包括：

获取初始数据，所述初始数据包括客户信息数据和产品信息数据；

通过自然语言处理NLP技术，识别所述初始数据中的实体和实体间的关系，并根据所述实体和实体间的关系构建知识图谱；

当确定目标客户时，从所述知识图谱中提取所述目标客户的初始数据，将每条所述目标客户的初始数据作为一条基础数据，并根据所有所述基础数据构建子图，其中，所述子图由所述知识图谱中所述目标客户对应节点与其相关联节点及关系边共同构成；

采用所述子图和预先构建的产品特征向量对图卷积神经网络GCN进行训练，得到训练好的图卷积神经网络GCN；

将基础数据中的产品信息数据输入到所述训练好的图卷积神经网络GCN中，进行二分类处理，得到每种产品的选择概率，并对所述选择概率进行从大到小的排列，得到概率序列；

从所述概率序列中，依次按照前往后的顺序选取预设数量的选择概率，作为目标选择概率，将所述目标选择概率对应产品的产品信息数据，作为待推荐信息，并将所述待推荐信息推送给所述目标客户。

进一步的，所述通过自然语言处理NLP技术，识别所述客户信息数据与所述产品信息数据中的实体和实体间的关系，并根据所述实体和实体间的关系构建知识图谱包括：

将所述客户信息数据和产品信息数据进行预处理，并按照预设方式进行分类，得到分类数据；

针对每一类分类数据，采用自然文本识别NLP技术，识别所述分类数据中的实体和实体间的关系，得到每一类分类数据的实体和实体间的关系；

根据所述每一类分类数据的实体和实体间的关系，分别构建图谱，得到每一类分类数据的初始图谱；

将不同分类数据的初始图谱进行融合，得到所述知识图谱。