[发明专利]一种基于知识图谱的个性化推荐方法及装置

权利要求书

1.一种基于知识图谱的个性化推荐方法，其特征在于，包括以下步骤：

S1：将用户、物品以及物品的属性值抽象为实体节点，基于用户与物品之间的关系建立第一边，将物品与物品属性值之间的属性关系作为第二边，进而构建出包含用户与物品的协同知识图谱，并根据协同知识图谱获取实体节点之间的嵌入表示，其中，所述用户与物品之间的关系包括：用户对物品的购买关系，用户对物品的点击关系中的一种或组合；

S2：针对实体节点中用户u与实体节点中物品i之间的连接路径，根据各个实体节点的嵌入对连接路径进行聚合处理，得到连接路径的嵌入表示；

S3：使用实体节点之间的嵌入表示以及连接路径的嵌入表示训练预先搭建的模型直至模型收敛，得到目标预测模型，所述目标预测模型用于向用户推荐物品，其中，所述预先搭建的模型包括：多层感知机模型。

2.根据权利要求1所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述根据协同知识图谱获取实体节点之间的嵌入表示，包括：

针对知识图谱中的每一个实体节点，获取所述实体节点的邻居节点，根据邻居节点的嵌入以及实体节点与邻居节点之间关系的嵌入更新所述实体节点的嵌入表示；

针对实体节点更新后的协同知识图谱网络中的每一个实体节点，返回执行所述获取所述实体节点的邻居节点的步骤，直至达到设定更新条件，其中，所述设定更新条件包括：更新次数。

3.根据权利要求2所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述根据邻居节点的嵌入以及实体节点与邻居节点之间关系的嵌入更新所述实体节点的嵌入表示，包括：

利用公式，计算实体节点的嵌入表示，其中，

为经过l层更新后的实体节点h的嵌入表示；ReLU为激活函数；为第l层的可训练的第二权重矩阵；eh^(l-1)为实体节点h的l-1层的嵌入表示；为实体h邻域的l-1层嵌入表示，且为实体节点h的邻域嵌入，W₁为可训练的第一权重矩阵，e_t为尾实体的嵌入，r_h,t为节点h和节点t之间关系r的嵌入，为拼接操作符号；b₁为第一偏置。

4.根据权利要求1所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述步骤S2包括：

在协同知识图谱中获取实体节点中用户u与实体节点中物品i之间的连接路径，其中，所述连接路径中包括的实体节点数量为预先设定的；

针对每一条连接路径，利用循环神经网络根据连接路径上各个实体节点的嵌入更新所述连接路径上各个节点的隐藏状态的输出；

使用平均池化操作对用户u与物品i之间的连接路径进行聚合处理。

5.根据权利要求4所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述利用循环神经网络根据连接路径上各个实体节点的嵌入更新所述连接路径上各个节点的隐藏状态的输出，包括：

利用公式，计算出连接路径上各个节点的隐藏状态的输出，其中，

为循环神经网络对p_n路径第a个节点的隐藏状态的输出；tanh为激活函数；W₃为输入层的第三权重矩阵；为p_n路径中第a个节点的嵌入；W₄为隐藏层的第四权重矩阵；为循环神经网络第a-1层隐藏状态的输出；b₂为第二偏置。

6.根据权利要求4所述的一种基于知识图谱的个性化推荐方法，其特征在于，所述使用平均池化操作对用户u与物品i之间的连接路径进行聚合处理，包括：

利用公式，对用户u与物品i之间的连接路径进行聚合处理，其中，

P[x]为P中x维的值，且P为P(u,i)中的多条路径聚合的最终嵌入表示；为取平均值操作；n为连接路径的数量；p_t[x]为第t条路径嵌入的第x维的值。