[發明專利]一種面向知識感知推薦的知識圖譜構建方法

在審

• 申請號: 202210150860.8
• 申請日: 2022-02-18
• 公開（公告）號: CN114925207A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 吳岳辛;范春曉;張建明;秦爽
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/635;G06F16/9535
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 鄒芳德

本發明公開了一種面向知識感知推薦的知識圖譜構建方法，本發明利用開源知識庫鏈接數據集KB4Rec，將推薦數據集中的項目與開放領域知識圖譜中的實體進行鏈接，并根據映射關系從開放領域知識圖譜中迭代抽取三元組，經過實體篩選、關系篩選等處理，構建一個面向知識感知推薦的聯系增強的知識圖譜。本發明解決了通用的知識圖譜構建方法工作量大、私人知識庫無法獲取的問題，使推薦系統能夠利用大型開源知識圖譜中的知識來提升推薦效果。本發明通過人工篩選關系類型、過濾低頻實體以及交互密度控制等手段，解決了知識圖譜關系質量差、三元組不夠豐富、推薦數據的交互密度低等問題，保證了知識圖譜中的項目屬性與用戶交互信息的質量。

技術領域

本申請涉及計算機技術領域，尤其涉及一種面向知識感知推薦的知識圖譜構建方法。

背景技術

近幾十年，隨著互聯網的快速發展，互聯網上的數據成倍增長，過大的信息量引起信息超載問題，用戶很難從海量數據中輕松挑選出他們感興趣的內容。為了解決信息超載問題，改善用戶體驗，推薦系統已被應用于各種在線應用的場景，如：音樂推薦、電影推薦、新聞推薦、在線購物等?？梢哉f，幾乎所有提供內容的互聯網服務都涉及到推薦系統的應用。

推薦算法是推薦系統的核心部分，根據推薦算法原理的不同，推薦系統主要分為三種：基于協同過濾的推薦系統、基于內容的推薦系統和混合型推薦系統。

1)基于協同過濾的推薦系統：主要利用交互數據中的用戶或項目的相似性對用戶偏好進行建模。

2)基于內容的推薦系統：通過內容分析抽取項目的特征用于計算相似度。

其中，基于協同過濾的推薦系統由于不需要人工提取特征，因而獲得廣泛應用。

盡管協同過濾算法在實際應用與學術研究領域都取得了諸多成果，但仍然面臨一些挑戰，如：數據稀疏性、冷啟動問題。為了解決這些問題，混合型推薦系統被提出，它在協同過濾的基礎上引入“邊信息”，從而同時利用交互層與內容層的相似性，結合以上兩種推薦系統的優勢。近年來，混合型推薦系統已經探索了多種類型的邊信息，如：項目屬性、項目評論以及用戶的社交網絡等。

隨著知識圖譜在信息檢索、知識問答、人工智能等多個領域的廣泛應用，將知識圖譜作為邊信息引入推薦系統的方法逐漸成為研究熱點。這種方法不僅可以緩解上述諸多問題，提升推薦系統的準確性，還可以為推薦的項目提供推薦解釋，實現可解釋推薦服務，增強用戶對推薦結果的認可度。這類利用知識圖譜中的信息進行用戶偏好建模的混合型推薦系統，被稱為知識感知推薦系統。

知識感知推薦系統需要深入挖掘、利用知識圖譜中的項目相關信息來建模用戶偏好，知識圖譜本身的質量很大程度上決定了推薦系統的推薦性能。因此，在知識感知推薦系統的實現過程中，一個關鍵的問題就是數據問題，即如何獲取豐富的、結構化的項目相關知識信息構建一個高質量的知識圖譜。根據數據來源的不同，現有的知識感知推薦系統使用的知識圖譜主要通過三種途徑構建：一是使用原始推薦數據集中的邊信息(通常僅包含少量有用信息)；二是使用非開源的私人知識庫，如微軟的Satori；三是利用推薦服務平臺的非公開項目數據。經過廣泛調研，目前尚未發現一種面向知識感知推薦的通用的知識圖譜構建方法。

現有技術一的技術方案

與本發明相關的現有技術一即知識圖譜。知識圖譜是一種異構信息網絡，其中的節點可以表示實體，邊可以表示實體之間的關系。在用于推薦系統的知識圖譜中，通常將項目及其相關屬性作為實體，通過屬性關系的連通性可以揭示不同項目之間的相互關系及高級語義關系。此外，一些研究者還將用戶與用戶的相關信息整合到知識圖譜中，這種知識圖譜可以直接探索用戶與物品之間的關系，以捕獲用戶的偏好，被稱為協同知識圖譜(Collaborative Knowledge Graph)。

推薦系統中常用的知識圖譜定義如下：

G＝{(h,r,t)|h,t∈E,r∈R}