[發明專利]一種基于知識圖譜卷積算法的個性化推薦方法

在審

• 申請號: 202011385310.1
• 申請日: 2020-11-30
• 公開（公告）號: CN112488791A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 張海龍;顏金堯
• 申請（專利權）人: 中國傳媒大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06F16/242;G06F16/28;G06N3/04;G06N3/08;G06N7/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種基于知識圖譜卷積算法的個性化推薦方法，其特征在于，通過聚合物品實體嵌入向量在領域知識圖譜中的多跳感受野信息從而學習其高階特征表示；首先構建每個物品在領域知識圖譜中的1至d跳實體感受野集合，然后以圖卷積算法聚合d至1跳感受野實體的嵌入向量，最終計算出含有高階鄰居信息的物品嵌入向量；聚合過程中在圖卷積算法的基礎上使用知識圖譜表示學習模型DistMult以及表示用戶興趣分布的注意力機制提高嵌入向量表達能力；借鑒矩陣分解模型，將迭代生成的高階物品嵌入向量與用戶嵌入向量進行乘積，并使用Sigmoid函數輸出預測的交互概率；基于貝葉斯公式，使用最大后驗概率估計推理出混合用戶-物品交互矩陣損失函數和知識圖譜表示學習損失函數的聯合損失函數。

2.根據權利要求1所述的方法，其特征在于，所述構建領域知識圖譜的方法具體為：

(1)獲取由三元組(頭實體h，關系r，尾實體t)表示的通用知識圖譜，并基于實體的標簽屬性過濾出本領域的子知識圖譜；

(2)如果通用知識圖譜不涵蓋本領域知識，則使用命名實體識別及關系抽取技術基于本領域已經積累的數據資料構建領域知識圖譜。

3.根據權利要求1所述的方法，其特征在于，所述生成物品實體v的1至d跳感受野的方法具體為：

(1)確定感受野深度d與某跳感受野集合的長度f，設感受野集合的第0跳感受野集合由候選物品v及其鄰居實體集合t組成的三元組(h，r，t)構成；

(2)對于當前第c跳感受野集合，選擇其所包含每一個實體h與直接鄰居節點t形成的(h，r，t)三元組組成c+1跳感受野集合；如果c+1跳感受野集合長度大于f，就進行隨機采樣；如果小于f，就進行重復采樣；

(3)取c+1跳感受野集合為新的當前感受野集合，重復步驟(2)，直到|c|+1＝d。

4.根據權利要求1所述的方法，對比現有方法，其特征在于，所述以圖卷積算法聚合物品實體v的d至1跳感受野嵌入向量，從而生成實體v的高階嵌入向量的步驟具體為：

(1)對用戶物品對u，v以及感受野集合中的三元組(h，r，t)，從物品實體v的最遠d跳感受野實體t開始聚合，生成新的d-1跳感受野鄰居實體嵌入向量h_new；

(2)設當前感受野集合是第c跳，則聚合過程中使用表示學習關系模型r·h＝t推理出新的c-1跳感受野實體嵌入向量h_new；

(3)在推理對應頭實體嵌入h_new時，同時計算用戶嵌入向量u與關系嵌入向量r的相似度s；

(4)計算用戶u在本跳感受野集合中所有相似度s的歸一化權重向量w；

(5)將推理出的每個頭實體向量h_new與對應歸一化權重w相乘并求和，生成新的聚合頭實體嵌入向量h_c；

(6)計算h_c與原c-1跳感受野實體嵌入向量h之和，并將結果添加一層非線性激活函數，輸出結果h_agg最終作為新的c-1階感受野嵌入向量t_c-1；

(7)取新構建的c-1跳感受野中三元組(h_c-1，r，t_c-1)以及用戶物品對u，v作為輸入，迭代執行步驟2至步驟6共d-1次，取最后一次聚合生成的第0跳感受野的實體嵌入向量h₀作為物品實體v的最終嵌入表示向量。

5.根據權利要求1所述的方法，其特征在于，對于c跳感受野三元組(h，r，t)，基于知識圖譜表示學習模型DistMult，以公式R·h＝t建模尾實體嵌入向量t與頭實體嵌入向量h之間的表示關系，并基于逆矩陣運算推理出頭實體向量h＝R^-1·t，其中，h表示頭實體嵌入向量，R表示三元組中的關系轉換矩陣，R^-1表示關系轉換矩陣的逆矩陣，t表示尾實體嵌入向量。