[发明专利]基于知识图谱的节点推荐方法及装置

说明书

本发明公开了一种基于知识图谱的节点推荐方法及装置，涉及知识图谱技术领域，主要目的在于结合用户的查询内容计算知识图谱中相关节点的中心性，提高推荐节点中心性计算的准确性。本发明主要的技术方案为：根据用户的查询内容在知识图谱中匹配相关的节点；根据所述节点在知识图谱中的入度关系分别计算各节点的中心性；根据所述节点的中心性确定向所述用户推荐节点的顺序。以此提高向用户反馈结果的准确性。本发明用于对知识图谱中的节点确定针对不同用户需求的节点中心性。

技术领域

本发明涉及知识图谱技术领域，尤其涉及一种基于知识图谱的节点推荐方法及装置。

背景技术

知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。因此，知识图谱在不同行业、不同领域中都有着越发广泛的应用，如问答、搜索、个性化推荐等等。

其中，节点中心性计算是分析知识图谱的核心内容之一，中心性算法(centralityalgorithm)用于理解图中特定节点的角色及其对网络的影响，有助于理解群体动态，如可信度、可访问性、事物传播的速度等。目前，常用的中心性算法主要分为两种方式：一种是以节点的出入度进行计算，如度中心性计算法，这种方式是通过比较节点出入度的加和个数来判断节点的中心性，由于其并不考虑节点间的关联程度，使得其计算结果有较大冗余，计算准确性不高。另一种是通过节点间的最短距离进行计算，如接近中心性算法，即，若某节点到所有节点的距离和最短，则该节点的中心性最高，但是，该算法需要考虑全图中的所有节点，其计算复杂度较高，并且对于特定场景的适用性欠佳，即计算结果对于不同场景的准确度差异明显。

发明内容

鉴于上述问题，本发明提出了一种基于知识图谱的节点推荐方法及装置，主要目的在于结合用户的查询内容计算知识图谱中相关节点的中心性，提高推荐节点中心性计算的准确性。

为达到上述目的，本发明主要提供如下技术方案：

第一方面，本发明提供一种基于知识图谱的节点推荐方法，包括：

根据用户的查询内容在知识图谱中匹配相关的节点；

根据所述节点在知识图谱中的入度关系分别计算各节点的中心性；

根据所述节点的中心性确定向所述用户推荐节点的顺序。

优选的，所述根据用户的查询内容在知识图谱中匹配相关的节点，包括：

根据用户的查询内容确定查询类别，所述查询类别为所述知识图谱的节点所含有的类别；

在所述知识图谱中匹配具有所述查询类别的节点。

优选的，所述根据所述节点在知识图谱中的入度关系分别计算各节点的中心性，包括：

基于节点的入度关系获取知识图谱中对应边的关系权重；

利用所述关系权重以及入度关系计算各节点的中心性。

优选的，所述利用所述关系权重以及入度关系计算各节点的中心性，包括：

根据关系权重对所述节点的入度关系进行加权求和，得到所述节点的入度关系重量；

按照节点以及具有入度关系节点的数量对所述节点的入度关系重量进行归一化处理，得到所述节点的中心性。

优选的，所述根据所述节点在知识图谱中的入度关系分别计算各节点的中心性，还包括：