[發明專利]一種基于知識圖譜的物品推薦方法在審
| 申請號： | 202210216014.1 | 申請日： | 2022-03-07 |
| 公開（公告）號： | CN114461921A | 公開（公告）日： | 2022-05-10 |
| 發明（設計）人： | 黎楷文;葉春楊;周輝 | 申請（專利權）人： | 海南大學 |
| 主分類號： | G06F16/9535 | 分類號： | G06F16/9535;G06F16/36;G06F16/35;G06N3/04;G06N3/08;G06Q30/06 |
| 代理公司： | 海南盛億專利代理事務所(普通合伙) 46005 | 代理人： | 陳景帥 |
| 地址： | 570203 海南*** | 國省代碼： | 海南;46 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 知識 圖譜 物品 推薦 方法 | ||
1.一種基于知識圖譜的物品推薦方法，其特征在于：包括如下步驟：
基于知識圖譜建立物品推薦預測模型；
獲取若干推薦物品和目標用戶的用戶數據；
將所有推薦物品和目標用戶的用戶數據輸入物品推薦預測模型進行預測，得到所有推薦物品的物品推薦預測結果；
根據物品推薦預測結果對所有推薦物品進行排序和篩選，得到物品推薦清單。
2.根據權利要求1所述的基于知識圖譜的物品推薦方法，其特征在于：所述的基于知識圖譜建立物品推薦預測模型，包括如下步驟：
獲取推薦物品訓練數據集和對應的用戶數據訓練數據集；
基于知識圖譜和神經網絡建立初始的物品推薦預測模型；
將推薦物品訓練數據集和對應的用戶數據訓練數據集輸入初始的物品推薦預測模型進行訓練，得到最優的物品推薦預測模型。
3.根據權利要求2所述的基于知識圖譜的物品推薦方法，其特征在于：所述的物品推薦預測模型包括用戶交互學習模塊、圖卷積網絡模塊、RippleNet網絡模塊以及全連接網絡模塊。
4.根據權利要求3所述的基于知識圖譜的物品推薦方法，其特征在于：所述的用戶數據包括目標用戶的原始的用戶歷史興趣和原始的用戶特征數據。
5.根據權利要求4所述的基于知識圖譜的物品推薦方法，其特征在于：所述的將所有推薦物品和目標用戶的用戶數據輸入物品推薦預測模型進行預測，包括如下步驟：
將目標用戶的原始的用戶歷史興趣和原始的用戶特征數據輸入用戶交互學習模塊，得到提取后的用戶歷史興趣和多信息交互的用戶特征；
將提取后的用戶歷史興趣和當前推薦物品輸入圖卷積網絡模塊，得到物品表示增強的向量；
將物品表示增強的向量輸入RippleNet網絡模塊，得到用戶的興趣表示和迭代后物品的知識表示；
將提取后的用戶歷史興趣、多信息交互的用戶特征以及用戶的興趣表示輸入全連接網絡模塊，得到最終的用戶嵌入；
將物品表示增強的向量和迭代后物品的知識表示輸入全連接網絡模塊，得到最終的物品嵌入；
根據最終的用戶嵌入和最終的物品嵌入得到目標用戶對當前推薦物品的點擊概率，即當前推薦物品的物品推薦預測結果；
重復上述預測步驟，直至得到所有推薦物品的物品推薦預測結果。
6.根據權利要求5所述的基于知識圖譜的物品推薦方法，其特征在于：所述的用戶交互學習模塊包括交叉壓縮子模塊、自適應參數化修正線性子模塊、變化層以及文本分類模型。
7.根據權利要求6所述的基于知識圖譜的物品推薦方法，其特征在于：所述的根據物品推薦預測結果對所有推薦物品進行排序和篩選，包括如下步驟：
根據目標用戶對推薦物品的點擊概率將所有推薦物品進行降序排序；
將低于預設點擊概率閾值的推薦物品進行剔除，得到物品推薦清單。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于海南大學，未經海南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210216014.1/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種工業無線遙控系統
- 下一篇：一種新型高壓直流繼電器生產加工工藝
