[發明專利]一種實體推薦方法和裝置

在審

• 申請號: 201810986947.2
• 申請日: 2018-08-28
• 公開（公告）號: CN109063188A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 王惠照;鄭凱;段立新;江建軍;夏虎
• 申請（專利權）人: 國信優易數據有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/06
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 王文紅

本申請提供了一種實體推薦方法，該方法包括：對知識圖譜中的實體進行嵌入處理，得到表示實體的實體向量；基于用戶已經選擇過的已選實體的實體向量，生成神經網絡模型的輸入，由所述神經網絡模型輸出表示所述用戶感興趣內容的預測表示向量；計算所述預測表示向量與所述實體向量之間的相似度；基于計算得到的相似度，確定向所述用戶進行推薦的推薦實體。

技術領域

本申請涉及數據分析技術領域，具體而言，涉及一種實體推薦方法和裝置。

背景技術

在海量數據的今天，用戶會面對各種各樣的內容，每個用戶也都對一定數量的內容進行購買、評分、評論等操作，用戶評論過的或者評分過或者購買過的內容，認為是用戶感興趣的內容，否則，認為是用戶不感興趣的內容。對于一個用戶而言，該用戶感興趣的內容最多以千為數量級別，而系統中的內容的數量級至少是千萬級別的，該用戶感興趣的內容與系統中的內容相比，數量是極其稀少的，而現有技術對用戶感興趣的內容進行分析預測時，預測的結果可能不是該用戶當前感興趣的內容，降低了用戶體驗。

發明內容

有鑒于此，本申請的目的在于提供一種實體推薦方法和裝置，用于解決現有技術中推薦實體準確度低的問題。

第一方面，本申請實施例提供了一種實體推薦方法，該方法包括：

對知識圖譜中的實體進行嵌入處理，得到表示實體的實體向量；

基于用戶已經選擇過的已選實體的實體向量，生成神經網絡模型的輸入，由所述神經網絡模型輸出表示所述用戶感興趣內容的預測表示向量；

計算所述預測表示向量與所述實體向量之間的相似度；

基于計算得到的相似度，確定向所述用戶進行推薦的推薦實體。

可選地，所述基于用戶已經選擇過的已選實體的實體向量，生成神經網絡模型的輸入，包括：

基于所述用戶對所述已選實體的評分或喜好程度，確定所述已選實體所對應的權重；

基于所述已選實體的實體向量及對應的權重，生成所述神經網絡模型的輸入。

可選地，所述神經網絡模型為長短期記憶網絡模型LSTM，所述基于用戶已經選擇過的已選實體的實體向量，生成神經網絡模型的輸入，包括：

依照所述用戶選擇所述已選實體的先后順序，使用所述已選實體的實體向量，生成所述長短期記憶網絡模型LSTM在不同時刻的輸入。

可選地，所述依照所述用戶選擇所述已選實體的先后順序，使用所述已選實體的實體向量，生成所述長短期記憶網絡模型LSTM在不同時刻的輸入，包括：

將所述用戶對所述已選實體的評分或喜好程度進行歸一化處理，確定所述已選實體對應的權重；

依照所述用戶選擇所述已選實體的先后順序，分別使用所述已選實體的實體向量及對應的權重，生成所述長短期記憶網絡模型LSTM在不同時刻的輸入。

可選地，還包括：

基于如下至少之一對所述神經網絡模型進行訓練優化：

(1)所述已選實體；

(2)所述用戶選擇所述已選實體的先后順序；

(3)向所述用戶進行推薦之后，用戶實際選擇的實體。

可選地，所述確定向所述用戶進行推薦的推薦實體，包括：

將相似度大于設定閾值所對應的實體確定為所述推薦實體。

可選地，還包括：

基于所述知識圖譜中，所述已選實體與所述推薦實體之間的路徑，為所述推薦實體形成推薦理由，并通知或顯示給所述用戶。