[发明专利]一种基于用户特征的图数据查询推荐方法

说明书

本发明涉及图结构数据处理领域，具体的是一种基于用户特征的图数据查询推荐方法，所述方法包括以下步骤：一、用户给出查询，系统通过子图同构应答该查询并返回一组查询结果；二、在训练节点，系统将查询结果发送给用户选择，收集用户点击的产品，生成包含用户‑产品对的训练数据；三、机器学习模型基于此训练数据训练出一个新的模型，即一组新的参数；四、在应用阶段，该模型将查询结果进行排序，并将排序后的结果发送给用户作为查询结果。本发明在结合了传统的图数据查询的基础上，通过机器学习的方式发现用户特征与产品特征之间的关系，对不同用户提供个性化的查询结果，进而更好的满足用户的查询需要。

技术领域

本发明涉及图结构数据处理领域，具体的是一种基于用户特征的图数据查询推荐方法。

背景技术

近年来，图数据被广泛应用于电子商务、社交网络、知识图谱等领域，其特征在于可以表示数据之间的关联关系，例如在电子商务中，图数据包含代表产品或者其相关属性的节点(例如生产公司等)和表示它们之间关联关系的边，每个节点或者边也可能包含一组属性及对应的属性值。这类图数据通常可以被用来回答用户的查询请求，如图1所示，节点包含手机及其配件信息，例如用户想查询华为生产的黑色手机，那么该查询可以被表示为一个小的查询子图，通过回答该查询，系统会告诉用户其想查询的手机的具体名称。该类查询已被广泛应用于各大电商，用于帮助用户发现他们想寻找的产品。

当用户给出的查询条件较为宽泛时，系统可能会返回大量的查询结果，从而让用户很难发现最有用的信息，因而如何针对不同的用户提供定制化的查询推荐是图查询领域一个挑战。针对不同的用户，他们对不同产品的偏好程度不同，例如男性和女性对电子产品的偏好度有差异，同时，相同类型用户之间的查询也能帮助他们互相之间的查询结果推荐。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供一种基于用户特征的图数据查询推荐方法，在结合了传统的图数据查询的基础上，通过机器学习的方式发现用户特征与产品特征之间的关系，对不同用户提供个性化的查询结果，进而更好的满足用户的查询需要。

本发明的目的可以通过以下技术方案实现：

一种基于用户特征的图数据查询推荐方法，所述方法包括以下步骤：

一、用户给出查询，系统通过子图同构应答该查询并返回一组查询结果；

二、在训练节点，系统将查询结果发送给用户选择，收集用户点击的产品，生成包含用户-产品对的训练数据；

三、机器学习模型基于此训练数据训练出一个新的模型，即一组新的参数；

四、在应用阶段，该模型将查询结果进行排序，并将排序后的结果发送给用户作为查询结果。

进一步地，所述图数据G被表现为一个三元组G＝(V，E，F)，V是一组节点，E是一组连接节点的边，每个节点或边拥有一组属性及对应的属性值；图查询为一个小的子图，节点和边的数量均小于10个节点，图查询被定义为G’＝(V’，E’，F’)，包含一组节点V’、边E’和属性F’，给了一个图查询之后，采用子图同构的方法来回答该查询，即找到G中所有与该子图匹配的子图。

进一步地，所述子图同构被定义为一个节点对应关系，即V与V’中节点的对应。

进一步地，所述查询推荐模型在机器学习中的神经网络理论中定义，该模型的输入是一个用户和一个节点的特征向量，输出是一个0-1之间的数值，用以表现该用户对该节点的偏好程度。

进一步地，所述特征向量对于用户或者某个节点来说，需要使用其属性及值来计算得到特征向量，特征向量为1个n-元组x1，x2…xn，其中每个向量xi表示一个特征的值。