[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

说明书

本发明公开了一种基于知识图谱融入评论情感和评分的商品推荐方法，首先将数据集中获取知识图谱、用户交互数据和评论数据，然后通过模型获取用户评论文本的情感倾向，应用知识图谱嵌入算法将知识图谱编码为低秩嵌入，通过知识图谱的嵌入、用户交互数据和评论情感和评分得到用户的推荐结果并为推荐结果作出解释；在Amazon 5‑core的Clothing Shoes and Jewelry和Cell Phones and Accessories两个数据集上进行了实验验证，实验结果证明了采用本发明方法可以表现更加出色准确率；本方法提出的基于知识图谱的商品推荐方法，不但能够最大程度的吸收知识图谱丰富的语义信息，从而实现推荐性能的提升，还能充分利用知识图谱的关系知识，增强推荐结果的可解释性。

技术领域

本发明属于自然语言处理技术领域，具体涉及一种基于知识图谱融入评论情感和评分的商品推荐方法。

背景技术

互联网的快速发展，人们传统的线下购物方式演化到线上模式，阿里巴巴、京东商城、亚马逊网络商城等电子商务网站已经深入人们的日常生活，使得人们不必走出家门即可购买自己所需的商品，并且可以在更多的备选商品中进行挑选。如何更好的推荐用户关注的商品，提升商品销售额度，成为各大电子商务平台研究的热点，个性化推荐成为大势所趋，极大的影响着人们购物的各种决定。由于用户对商品的评论能很好的反映用户的购买感受，现有基于知识图谱商品推荐大多只基于关系和商品特征，很少考虑到评论情感和评分，基于此我们提出融入评论情感和评分的基于知识图谱的可解释推荐方法。

本发明方法沿着知识图谱中的链接自动和迭代地扩展用户的潜在兴趣来扩展知识实体。除此之外，本发明方法通过对用户评论情感进行分析，探究用户对商品的情感，将情感分数融入知识图谱来寻找推荐商品。

发明内容

为了解决上述技术问题，本发明提出了一种基于知识图谱融入评论情感和评分的商品推荐方法，首先将数据集中获取知识图谱、用户交互数据和评论数据，然后通过模型获取用户评论文本的情感倾向，应用知识图谱嵌入算法将知识图谱编码为低秩嵌入，通过知识图谱的嵌入、用户交互数据和评论情感和评分得到用户的推荐结果并为推荐结果作出解释；

为了达到上述技术效果，本发明是通过以下技术方案实现的：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。

优选的，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。

优选的，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；