基于图注意力算法的图书推荐方法

本发明涉及的是一种知识图谱领域的技术，具体是一种基于图注意力算法的图书推荐方法。

背景技术：

1、知识图谱推荐算法为解决冷启动问题而诞生，但存在以下不足：首先，传统算法未区分图书节点和用户节点，未充分利用知识图谱的特点；其次，用户与其相邻图书节点关系单一，缺乏差异性，更像gcn而非gan；最后，图注意力网络与协同过滤混合使用带来高消耗时间成本。

技术实现思路

1、本发明针对现有技术冷启动、训练时间过长、没有很好的编码用户-图书关系的问题以及不能保证捕捉到长程连通性和不能解释高阶建模以及花销过大的不足，提出一种基于图注意力算法的图书推荐方法，基于图注意力技术以及随机游走技术，通过图注意力方法挖掘知识图谱的高阶路径并采用改进的知识图谱传播算法、聚合方法以及针对馆藏图书的知识图谱建构，显著提高图书推荐的分析效率和性能。

2、本发明是通过以下技术方案实现的：

3、本发明涉及一种基于上述系统的基于图注意力算法的图书推荐方法，包括：

4、步骤1)数据导入：清洗并导入用户-图书借阅数据集和图书信息数据集，需要用户给出将图书分类信息和isbn转化方法给出，用于将所有图书分类转化为isbn信息并切割。

5、步骤2)构建知识图谱：首先对于简介信息进行分词和清洗为关键词信息，然后将包含关键词信息在内的所有图书信息关系统计，编号从0递增，构建起(图书id，关系，图书属性)的三元组，然后对用户-图书数据集也做类似处理得到(用户id，借阅关系，图书id)三元组，完成知识图谱构建。

6、步骤3)将最终包含用户、图书、图书属性的知识图谱输入构造并训练得到的图注意力推荐模型，得到图书相似性打分矩阵用于前端可视化。

7、所述的图注意力推荐模型包括：输入层、信息传播层、信息聚合生成层和推荐结果生成层，其中：输入层根据输入的知识图谱，随机生成其中每个节点的向量e作为初始化表示，信息传播层计算每个节点收到周围节点的信息传播，信息聚合层聚合传播信息和节点信息生成下一跳信息，推荐结果生成层根据训练结果打分并生成图书相似性打分矩阵。

8、所述的图注意力推荐模型，其训练时采用的损失函数为其中：t代表知识图谱三元组集合，h，r，t代表具有三元组关系的头实体，关系和尾实体，f代表除此以外的任意随机实体，wr∈rk×d是关系r对应的映射矩阵，e∈rd是对应的向量，f是激活函数，默认是f(x)＝-lnσ(x)。

9、技术效果

10、本发明通过图注意力推荐模型捕获馆藏书籍知识图谱中的长程连通性，可以挖掘出传统推荐算法无法挖掘出的信息，并且降低训练时间。通过给图书信息传播到用户信息的传播-聚合过程增加随机性，比其他推荐算法拥有更快的训练时间，可以用不到一半的模型训练时间实现更好的性能。在知识图谱构建过程中引入了包含更多样化的isbn信息，从单一分类信息到多层级的分类结构，图书热门与否的信息表达，以及随机性带来的图书完整与否的信息表达，相比于其他推荐算法本方案使得知识图谱构建更加完善，可以挖掘出由图书类别，简介等属性中隐藏的信息。

技术特征：

1.一种基于图注意力算法的图书推荐方法，其特征在于，包括：

2.根据权利要求1所述的基于图注意力算法的图书推荐方法，其特征是，所述的图注意力推荐模型包括：输入层、信息传播层、信息聚合生成层和推荐结果生成层，其中：输入层根据输入的知识图谱，随机生成其中每个节点的向量e作为初始化表示，信息传播层计算每个节点收到周围节点的信息传播，信息聚合层聚合传播信息和节点信息生成下一跳信息，推荐结果生成层根据训练结果打分并生成图书相似性打分矩阵。

3.根据权利要求1或2所述的基于图注意力算法的图书推荐方法，其特征是，所述的图注意力推荐模型，其训练时采用的损失函数为其中：t代表知识图谱三元组集合，h，r，t代表具有三元组关系的头实体，关系和尾实体，f代表除此以外的任意随机实体，wr∈rk×d是关系r对应的映射矩阵，e∈rd是对应的向量，f是激活函数，默认是f(x)＝-lnσ(x)。

4.根据权利要求1-3中任一所述的基于图注意力算法的图书推荐方法，其特征是，具体包括：

5.根据权利要求4所述的基于图注意力算法的图书推荐方法，其特征是，所述的图书类别是指：图书isbn号对应的分类，该分类以树图的形式展开，这符合isbn的数据结构特点；每次点击图书类别切块模块中的图书类别名，会对于推荐图书中包含该类别的图书进行筛选，图书推荐模块中将只展示被筛选后图书的推荐。

6.根据权利要求4所述的基于图注意力算法的图书推荐方法，其特征是，根据包含输入的用户借阅信息、图书属性信息以及算法生成的用户-图书相似性矩阵同时输入可视化系统中，用于用户图书推荐。

7.一种实现权利要求1-6中任一所述方法的基于图注意力算法的图书推荐系统，其特征在于，包括：位于前端的图书推荐模块、图书类别切换模块、图书信息展示模块和图书其他信息选择模块以及服务器端，其中：图书推荐模块根据知识图谱信息，进行图布局处理，向使用者展示知识图谱，图书类别切换模块根据图书类别信息，进行筛选处理，得到指定类别的图书结果，图书信息展示模块根据馆藏图书信息，进行展示处理，以列表形式展示图书，图书其他信息选择模块根据知识图谱信息，进行筛选处理，得到指定图书信息的图书结果，服务器端根据前端传来的图书信息，进行过滤处理，返回给前端过滤后在知识图谱中与传来图书信息相连的数据。

技术总结
一种基于图注意力算法的图书推荐方法，通过将包含用户、图书、图书属性的知识图谱输入构造并训练得到的图注意力推荐模型，得到图书相似性打分矩阵用于前端可视化。该图注意力推荐模型包括：输入层、信息传播层、信息聚合生成层和推荐结果生成层，其中：输入层根据输入的知识图谱，随机生成其中每个节点的向量e作为初始化表示，信息传播层计算每个节点收到周围节点的信息传播，信息聚合层聚合传播信息和节点信息生成下一跳信息，推荐结果生成层根据训练结果打分并生成图书相似性打分矩阵。本发明通过图注意力方法挖掘知识图谱的高阶路径并采用改进的知识图谱传播算法、聚合方法以及针对馆藏图书的知识图谱建构，显著提高图书推荐的分析效率和性能。

技术研发人员：董笑菊,周天易,田雪飞,曹俊翔,杨雨彤,白骐硕,吴治远
受保护的技术使用者：上海交通大学
技术研发日：
技术公布日：2024/3/24