[發明專利]基于知識圖譜的推薦方法、電子設備和計算機存儲介質

有效

• 申請號: 202110722492.5
• 申請日: 2021-06-29
• 公開（公告）號: CN113254550B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 鄭燕玲;陳立力;周明偉
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/36;G06F40/216;G06F40/30;G06K9/62
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種基于知識圖譜的推薦方法，其特征在于，所述方法包括：

獲得知識圖譜，在所述知識圖譜中提取第一實體和第二實體之間第一長度閾值內的多個第一路徑；

基于每個所述第一路徑上的所有實體，獲取每個所述第一路徑對應的特征向量；所述特征向量基于所述第一路徑上的所有實體對應的特征信息生成；

在所述特征向量中提取多種語義類型分別對應的語義向量并集成，以獲得每個所述第一路徑對應的路徑向量；

基于所有所述路徑向量從多個所述第一路徑中獲得推薦路徑，并給出所述推薦路徑上所述第一實體和所述第二實體之間的相似特征；所述相似特征基于所述推薦路徑對應的路徑向量集成的語義向量給出；

其中，所述在所述特征向量中提取多種語義類型分別對應的語義向量并集成，以獲得每個所述第一路徑對應的路徑向量的步驟，包括：

將同一所述特征向量分別送入多種語義類型對應的語義模型，以獲得多種所述語義模型分別輸出的語義向量；所述語義類型包括血緣關系、工作關系、位置關系和時間關系中的一種或幾種；

將同一所述特征向量對應的所有所述語義向量集成，以獲得每個所述第一路徑對應的路徑向量；每個所述路徑向量中集成有多種語義類型的語義向量；

其中，所述在所述知識圖譜中提取第一實體和第二實體之間第一長度閾值內的多個第一路徑的步驟，包括：

在所述知識圖譜中以所述第一實體為起點，利用隨機游走算法生成從所述第一實體出發至所述第二實體的多個路徑；

在所述多個路徑中提取第一長度閾值之內的所有路徑作為所述第一路徑；

所述利用隨機游走算法生成從所述第一實體出發至所述第二實體的多個路徑的步驟之前，還包括：

為所述第一實體和所述第二實體之間的任一第三實體，基于所述第三實體對應的類型，為所述第三實體設置對應的游走權重；所述第三實體的類型為人或時間或車或事件；

所述利用隨機游走算法生成從所述第一實體出發至所述第二實體的多個路徑的步驟，包括：

響應于游走至所述第一實體和所述第二實體之間的任一第三實體，基于所述第三實體對應的游走權重，向側重所述游走權重的方向游走至其他所述第三實體，直至游走至所述第二實體。

2.根據權利要求1所述的基于知識圖譜的推薦方法，其特征在于，所述基于每個所述第一路徑上的所有實體，獲取每個所述第一路徑對應的特征向量的步驟，包括：

基于每個所述第一路徑上的實體對應的特征信息，獲取每個所述第一路徑對應的第一特征向量；

基于每個所述第一路徑上的實體對應的潛在語義，獲取每個所述第一路徑對應的第二特征向量；

將所述第一特征向量與所述第二特征向量對應拼接，以獲得每個所述第一路徑對應的所述特征向量。

3.根據權利要求2所述的基于知識圖譜的推薦方法，其特征在于，所述基于每個所述第一路徑上的實體對應的潛在語義，獲取每個所述第一路徑對應的第二特征向量的步驟，包括：

將每個所述第一路徑上的所有實體分別映射到維度低于第一閾值的稠密向量中，以獲得所述實體對應的潛在語義；

將所述稠密向量中的元素組成每個所述第一路徑對應的所述第二特征向量。

4.根據權利要求1所述的基于知識圖譜的推薦方法，其特征在于，所述語義模型為循環神經網絡模型，所述將同一所述特征向量分別送入多種語義類型對應的語義模型，以獲得多種所述語義模型分別輸出的語義向量的步驟，包括：

將同一所述特征向量分別送入多種語義類型對應的所述循環神經網絡模型中，以使所有所述循環神經網絡模型分別提取每個所述語義類型對應的語義信息，進而基于所述語義信息生成所述語義向量。