本技术公开了一种基于知识图谱的推荐方法。其技术方案包括:通过对用户和实体的自身的原始特征进行特征整合,得到用户特征编码和实体特征编码;根据用户与实体之间的关系构成知识图谱,从知识图谱中获取用户与实体之间的路径,并根据用户与实体之间的关系进行编码,经过融合处理,得到用户对该实体所有路径的综合路径编码;根据用户特征编码、实体特征编码和综合路径编码,计算用户与实体产生交互的可能性参数;根据所述可能性参数进行实体推荐。本发明直接根据知识图谱中实体和实体之间的关系以及用户的交互行为获取用户与实体之间的路径,同时,可以计算用户与实体之间不存在路径情况下的交互的可能性参数。
背景技术
近年来,知识图谱因其包含丰富的实体及关系引起了推荐系统领域研究者们的广泛兴趣,它可以将用户与实体之间的交互行为转换为三元组形式。并且,通过图谱内用户与实体、实体与实体之间的连接关系,反映用户与实体之间的潜在关系,是对传统用户-实体交互数据的补充。
目前,基于知识图谱的推荐技术主要可以分为两大类,第一类是基于元路径的推荐,第二类是基于embedding的推荐。
基于元路径的推荐缺点:
因为元路径通常不考虑关系,所以无法指定路径的整体语义,尤其是元路径中实体相似而关系不同的时候;
因为元路径需要预定义领域知识,所以无法自动发现并根据没见过的模式进行推理。
基于embedding的推荐缺点:
基于embedding仅考虑实体之间的直接联系,而不考虑如元路径中的多条连接,缺乏推理能力;
以一种隐含的方式实现用户-实体的关联表征,不是直接的用户兴趣推荐。
因此,本发明主要提出了一种融合用户特征、实体特征和用户与实体交互行为路径的基于知识图谱的推荐方法。
实现思路