一种基于知识图谱的服务推荐方法

本发明属于推荐，使用知识图谱和机器学习技术，应用于服务推荐领域，具体是一种基于知识图谱的服务推荐方法。

背景技术：

1、随着网络通信技术的提升，电脑和智能手机的普及和性能的升级，数据和信息从产生到传播突破了地域和时间的限制，信息量呈指数级增长，因此移动互联网迅猛发展。互联网已融入人们衣食住行的方方面面，人们对于通过互联网以摄取信息依赖感的也越来越强。互联网极大地便捷和丰富了人们的生活，但是随之而来也带来了一些不可忽视的问题：网络信息量指数级的增长，人们很难在短时间内找到他们需要的信息。因此对于信息的筛选变得尤为重要，否则人们将会很难在海量信息中精准地获得自己所需的内容。

2、推荐系统应运而生。推荐系统对项目特征，如类别、功能等进行建模，以了解项目特征。同时根据用户与项目的交互特性，从海量信息中向用户推荐最有可能偏好的内容，即为不同的用户推荐不同的内容。尽管已经是一项相对成熟的技术，推荐系统仍然是如今的研究热点之一。推荐系统能够有效应对爆炸式增长，作为一种数据筛选工具，其基于用户的历史点击、历史数据构建用户画像，推荐与用户偏好相一致的内容，该内容可以是商品，也可以是服务，如某些商家提供的制造服务、在线课程、科技服务等各种休闲娱乐服务。

3、知识图谱(knowledge graph)是一种语义网络，一般以图的结构呈现，图的结点(node)表示实体(entity)或概念(concept)，图的边(edge)表示实体/概念之间的各种关系(relation)或实体属性。知识图谱囊括了实体之间丰富的语义关联，特别是在智能搜索领域，知识图谱为推荐系统提供潜在的信息。

4、将知识图谱应用于推荐系统已经成为当前研究的热点。常见的有利用知识图谱作为辅助信息，通过知识图嵌入获得实体特征表示，在图神经网络中聚合邻居实体表示，丰富用户和推荐服务的特征。

技术实现思路

1、本发明提供一种基于知识图谱的服务推荐方法，引入知识图谱辅助信息，以达到提高推荐准确度的目的。

2、一种基于知识图谱的服务推荐方法，包括如下步骤：

3、步骤s1、将用户的交互矩阵数据转化为二部图，再将二部图中的非用户实体和知识图谱中的实体相匹配，与知识图谱联合形成联合图；

4、步骤s2、使用知识图嵌入方法将联合图的实体和关系参数化为向量表示；

5、步骤s3、将实体的表示输入多层图注意网络，用注意力机制分别计算每个实体的邻居实体权重，并进行加权；

6、步骤s4、对本节点的表示和步骤3得到的加权结果进行聚合；

7、步骤s5、重复步骤3和步骤4，使每个实体递归地聚合其邻居实体，得到用户和实体的最终表示；

8、步骤s6、根据用户和实体的最终表示做预测，预测用户对服务偏好的概率。作为本发明的更进一步改进，在步骤s2内，将实体从向量空间映射到关系空间，根据翻译关系头实体加关系等于尾实体，训练得到实体和关系的特征表示。

9、作为本发明的更进一步改进，在步骤s3内，计算注意力权重时，结合对耦思想，从头实体出发和从尾实体出发两个方向考虑关系对权重的影响。

10、作为本发明的更进一步改进，在步骤s3内，计算注意力权重时，根据向量相似度，相似度越高，权重越大。

11、作为本发明的更进一步改进，在步骤s4内，使用bi-interaction聚合器。

12、作为本发明的更进一步改进，在步骤s6内，用向量点积计算偏好分数。

13、本发明中，将知识图谱引入到服务推荐领域，通过图注意力网络递归嵌入传播，它基于邻居节点的嵌入表示更新节点的嵌入表示，并递归地执行这种嵌入。采用注意力机制在传播过程中学习每个邻居的权重，基于耦合的思想，分别从三元组的头实体和尾实体考虑关系对邻居权重的影响，从而提高了推荐系统的推荐效果。

技术特征：

1.一种基于知识图谱的服务推荐方法，其特征在于，包括如下步骤：

2.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

3.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

4.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，在步骤s6内，用向量点积计算偏好分数。

5.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

6.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

7.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

8.如权利要求7所述的基于知识图谱的服务推荐方法，其特征在于，

9.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

10.如权利要求1所述的基于知识图谱的服务推荐方法，其特征在于，

技术总结
本发明提出一种基于知识图谱的服务推荐方法，包括步骤：S1、将用户的交互矩阵数据转化为二部图，再将二部图中的非用户实体和知识图谱中的实体相匹配，与知识图谱联合形成联合图；S2、使用知识图嵌入方法将联合图的实体和关系参数化为向量表示；S3、将实体的表示输入多层图注意网络，用注意力机制分别计算每个实体的邻居实体权重，并进行加权；S4、对本节点的表示和步骤3得到的加权结果进行聚合；S5、重复步骤3‑4，使每个实体递归地聚合其邻居实体，得到用户和实体的最终表示；S6、根据用户和实体的最终表示做预测，预测用户对服务偏好的概率。本发明方法引入知识图谱辅助信息，提高了推荐系统的推荐效果。

技术研发人员：柳先辉,张小婉
受保护的技术使用者：同济大学
技术研发日：
技术公布日：2024/1/12