[發(fā)明專利]一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011267148.3
• 申請(qǐng)日: 2020-11-13
• 公開（公告）號(hào): CN112364257B
• 公開（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 邵杰;鄧智毅;李長宇;劉樹錦;申恒濤
• 申請(qǐng)（專利權(quán)）人: 四川省人工智能研究院(宜賓)
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536;G06F16/28;G06F16/36;G06N3/04;G06N3/08
• 代理公司: 成都正華專利代理事務(wù)所(普通合伙) 51229
• 代理人: 李蕊

本發(fā)明公開了一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)，基于該系統(tǒng)的用戶群組推薦方法為：構(gòu)建協(xié)同知識(shí)圖譜，并聚合節(jié)點(diǎn)鄰居以獲取協(xié)同知識(shí)圖譜中節(jié)點(diǎn)的最高階表示，然后通過最高階表示和注意力機(jī)制獲取用戶群組和物品特征，構(gòu)建分?jǐn)?shù)預(yù)測(cè)函數(shù)；以分?jǐn)?shù)預(yù)測(cè)函數(shù)構(gòu)建損失函數(shù)以更新可學(xué)習(xí)參數(shù)，并通過更新后的可學(xué)習(xí)參數(shù)獲取物品的預(yù)測(cè)分?jǐn)?shù)，將預(yù)測(cè)分?jǐn)?shù)最高的若干物品推薦給用戶群組。本發(fā)明在為用戶群組推薦物品時(shí)，能夠避免數(shù)據(jù)稀疏的問題，并且能夠準(zhǔn)確的推薦用戶感興趣的物品。

技術(shù)領(lǐng)域

本發(fā)明屬于推薦系統(tǒng)領(lǐng)域，具體涉及一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)及方法。

背景技術(shù)

隨著大數(shù)據(jù)時(shí)代的到來，數(shù)據(jù)開始呈爆炸式增長。為了解決信息過載的問題，推薦系統(tǒng)被廣泛應(yīng)用于電子商務(wù)、內(nèi)容共享、社交網(wǎng)絡(luò)、論壇等在線服務(wù)領(lǐng)域。隨著移動(dòng)互聯(lián)網(wǎng)接入時(shí)代的到來，人們可以越來越方便地在網(wǎng)上聚會(huì)，進(jìn)行集體活動(dòng)，如吃飯、看電影或旅行。這些人可能彼此很熟悉，比如在一個(gè)家庭或有幾個(gè)共同的朋友。用戶群組也可以是在一個(gè)活動(dòng)中偶然相遇的一群人，例如加入一個(gè)旅游團(tuán)的幾個(gè)旅行者。這時(shí)，推薦系統(tǒng)需要為這類人群推薦一個(gè)或幾個(gè)適合的物品。除了面向個(gè)人的推薦系統(tǒng)，也需要面向用戶群組的推薦系統(tǒng)。

群組的類型可分為持久性群組和偶發(fā)性群組兩類。持久性群組是一個(gè)預(yù)先定義好的群組，如具有穩(wěn)定成員的家庭，而偶發(fā)性群組是臨時(shí)形成的，臨時(shí)群組中的成員可能沒有太大社會(huì)關(guān)系。對(duì)于持久性群組推薦，可以將每個(gè)群組視為一個(gè)特殊的個(gè)人，直接使用面向個(gè)人推薦的方法。然而，對(duì)于偶發(fā)性群組，成員之間很少相聚，群組和物品的交互記錄太少(數(shù)據(jù)稀疏性問題)，無法直接去得到群組的偏好，傳統(tǒng)的協(xié)同過濾算法也受制于數(shù)據(jù)稀疏性問題。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)及方法解決了現(xiàn)有技術(shù)中存在的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)，包括依次連接的信息傳播模塊、偏好聚合模塊和優(yōu)化模塊；

所述信息傳播模塊用于構(gòu)建協(xié)同知識(shí)圖譜以及聚合協(xié)同知識(shí)圖譜中某一節(jié)點(diǎn)的鄰居節(jié)點(diǎn)和獲取節(jié)點(diǎn)的高階表示；所述偏好聚合模塊用于根據(jù)節(jié)點(diǎn)的高階表示獲取用戶群組的特征表示；所述優(yōu)化模塊用于優(yōu)化可學(xué)習(xí)參數(shù)。

本發(fā)明的有益效果為：提供一種基于知識(shí)圖譜的用戶群組推薦系統(tǒng)。知識(shí)圖譜幫助解決數(shù)據(jù)稀疏性問題并能幫助捕捉用戶之間的聯(lián)系。注意力機(jī)制可充分考慮聚合用戶的偏好特征過程中物品和用戶間的影響以得到群組的偏好特征，成對(duì)損失函數(shù)幫助獲取更好的群組偏好特征并為用戶群組推薦物品。

一種基于知識(shí)圖譜的用戶群組推薦方法，包括以下步驟：

S1、采集物品知識(shí)圖譜，為用戶群組推薦系統(tǒng)數(shù)據(jù)集中物品尋找對(duì)應(yīng)實(shí)體以及為用戶在物品知識(shí)圖譜中新建一個(gè)實(shí)體，得到協(xié)同知識(shí)圖譜；

S2、聚合協(xié)同知識(shí)圖譜中節(jié)點(diǎn)e的鄰居節(jié)點(diǎn)，得到鄰居聚合表示；

S3、根據(jù)鄰居聚合表示獲取節(jié)點(diǎn)e的高階表示，并以節(jié)點(diǎn)e的高階表示為基礎(chǔ)獲取節(jié)點(diǎn)e的第H階表示；

S4、根據(jù)節(jié)點(diǎn)e的第H階表示和注意力機(jī)制獲取用戶群組特征表示；

S5、通過用戶群組的特征表示計(jì)算正物品和負(fù)物品的預(yù)測(cè)分?jǐn)?shù)，并通過正負(fù)物品的預(yù)測(cè)分?jǐn)?shù)構(gòu)建損失函數(shù)；

S6、使用Adam算法使損失函數(shù)最小，得到物品預(yù)測(cè)分?jǐn)?shù)函數(shù)；

S7、根據(jù)步驟S1至S5的方法，使用物品預(yù)測(cè)分?jǐn)?shù)函數(shù)獲取推薦系統(tǒng)對(duì)應(yīng)的物品預(yù)測(cè)分?jǐn)?shù)，并將預(yù)測(cè)分?jǐn)?shù)最大的N個(gè)物品推薦給用戶群組。

進(jìn)一步地，所述步驟S1包括以下步驟：

S1.1、采集物品知識(shí)圖譜，將用戶群組推薦系統(tǒng)數(shù)據(jù)集中用戶選擇過的物品作為正物品，其他物品作為負(fù)物品；