[发明专利]一种基于知识图谱融入评论情感和评分的商品推荐方法在审

专利信息
申请号: 202210050381.9 申请日: 2022-01-17
公开(公告)号: CN115170216A 公开(公告)日: 2022-10-11
发明(设计)人: 王红斌;陆倩平;线岩团;文永华 申请(专利权)人: 昆明理工大学
主分类号: G06Q30/06 分类号: G06Q30/06;G06F40/30;G06F40/253;G06F16/36
代理公司: 昆明合盛知识产权代理事务所(普通合伙) 53210 代理人: 牛林涛
地址: 650093 云南省*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 知识 图谱 融入 评论 情感 评分 商品 推荐 方法
【权利要求书】:

1.一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,包括以下步骤:

S1:对从Amazon的两个数据集获取的数据进行处理,获取三元组信息构建知识图谱,获取评论文本和评分和用户交互记录;

S2:通过BERT模型获取从S1中抽取的评论文本的情感标签并根据评论文本的情感标签和分数得到商品的情感总分数;

S3:从S1中构建知识图谱和用户交互记录来构建用户知识图谱,然后计算用户知识图谱中每跳中三元组的相关概率;

S4:计算S3中的每一跳的所有三元组相关概率加权尾实体的总和得到向量然后得到用户u的向量,H为用户知识图谱的跳数;

S5:将用户u的向量和项目向量v进行组合输出预测的点击概率;

S6:通过S3中的用户知识图谱进行推荐商品的解释。

2.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S1的具体方法步骤为:

S11:从Amazon的数据集中抽取用户名、商品名、商品类别、商品品牌、商品关系、商品评分和商品评论;

S12:将商品名和对应的商品类别、商品品牌、商品关系构成三元组(h,r,t)存储在txt文件中,也将每个用户和对应的交互记录存储在另一个txt文件中。

3.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S2的具体方法步骤为:

S21:人工标注一部分评论文本的情感标签作为BERT模型的训练数据,其中情感标签分为positive、negative和neutral三类;

S22:将剩余评论文本作为S21中训练好的BERT模型的测试数据,得到全部评论文本的情感标签;

S23:通过情感标签和用户评分计算每个商品的情感分数si

其中pol是用户评论文本的情感标签,r是用户对商品的评论分数,n是同一个商品的评论总个数。

4.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S3的具体方法步骤为:

S31:先将S2中的获取到的用户交互记录作为用户知识图谱第一跳的头实体在知识图谱中找到相关三元组然后随机选取n_memory个三元组构成用户知识图谱的第一跳,其中n_memory是设置的每一跳三元组的个数大小,再将第一跳中得到的尾实体作为第二跳中的头实体在知识图谱中找到相关三元组然后随机选取n_memory个三元组构成用户知识图谱的第二跳,重复以上操作得到H跳的三元组组成用户知识图谱;

S32:计算出S31得到的用户知识图谱中的每一个三元组的相关概率:

其中和是关系ri、项目v和头hi的嵌入,s′i是一个商品评论综合分数,是通过S2中的情感分数si转化为与vTRihi同维度的矩阵s′i

5.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S4的具体方法步骤为:

S41:在S4得到相关概率后,我们取对应相关概率加权的中尾部的总和,得到向量

其中是尾部ti的嵌入,然后向量替代向量v,获得用户u的二阶响应向量对于可以通过重复上述操作来得到;

S42:用户u的向量是将累加来得到的:

6.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S5的具体方法步骤为:

S51:用户嵌入u和项目嵌入v进行组合以输出预测的点击概率

其中是sigmoid函数。

7.根据权利要求1所述一种基于知识图谱融入评论情感和评分的商品推荐方法,其特征在于,所述S6的具体方法步骤为:

S61:根据用户知识图谱和三元组相关概率得到商品推荐路径的解释。

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昆明理工大学,未经昆明理工大学许可,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/202210050381.9/1.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