本申請提供了一種知識感知推薦方法、裝置、設備及存儲介質，該方法包括：獲取用戶與項目的交互信息和與項目對應的知識圖譜；將交互信息和知識圖譜輸入知識感知推薦模型，得到用戶與知識圖譜中實體的匹配分數；基于匹配分數，對用戶進行推薦。本申請通過知識感知推薦模型協同監督三個視圖，能夠加強對項目表示的學習，從用戶直接交互的項目入手，可以增強為用戶提供個性化推薦的能力，有效防止噪聲信息的引入，構建聯合視圖也能幫助獲取全局結構信息，提高推薦的準確性。
【技術實現步驟摘要】
本申請涉及大數據挖掘，尤其涉及一種知識感知推薦方法、裝置、設備及存儲介質。
技術介紹
1、推薦作為互聯網數據挖掘系統的重要組成部分，能夠有效幫助用戶從互聯網海量的數據中獲取有效的信息，從而提升用戶體驗。然而，由于傳統推薦方法存在稀疏和冷啟動等難題，知識圖譜作為一種靜態數據庫可用于增強商品表示，增強推薦效果。
2、知識感知推薦旨在從知識圖譜中獲得豐富的商品輔助信息，以學習用戶和商品表示。然而，知識圖譜自身存在著大量無關的連邊，加劇了噪聲的生成，對知識感知推薦的準確性提出了挑戰。因此，目前的推薦方法存在較高的失真，難以取得令人滿意的推薦效果。
技術實現思路
1、有鑒于此，本申請的目的在于提供了一種知識感知推薦方法、裝置、設備及存儲介質，可以增強為用戶提供個性化推薦的能力，有效防止噪聲信息的引入，提高推薦的準確性，其具體技術方案如下：
2、第一方面，本申請提供了一種知識感知推薦方法，所述方法包括：
3、獲取用戶與項目的交互信息和與所述項目對應的知識圖譜；
4、將所述交互信息和所述知識圖譜輸入知識感知推薦模型，得到所述用戶與所述知識圖譜中實體的匹配分數，所述匹配分數表示所述用戶與所述實體的交互概率，所述知識感知推薦模型包括視圖構建模塊、偏好視圖編碼器、特征視圖編碼器、聯合視圖編碼器以及預測模塊，所述視圖構建模塊用于根據所述交互信息和所述知識圖譜構建偏好視圖、特征視圖以及聯合視圖；
5、基于所述匹配分數，對所述用戶進行推薦。
6、在一種可能的實現方式中，所述將所述交互信息和所述知識圖譜輸入知識感知推薦模型，得到所述用戶與所述知識圖譜中實體的匹配分數，包括：
7、基于所述視圖構建模塊對所述交互信息和所述知識圖譜進行視圖構建，得到偏好視圖、特征視圖以及聯合視圖；
8、基于所述偏好視圖編碼器對所述偏好視圖進行編碼，得到用戶偏好表示；
9、基于所述特征視圖編碼器對所述特征視圖進行編碼，得到項目特征表示；
10、基于所述聯合視圖編碼器對所述聯合視圖進行編碼，得到用戶聯合表示和項目聯合表示；
11、基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行概率預測，得到所述匹配分數。
12、在一種可能的實現方式中，所述基于所述偏好視圖編碼器對所述偏好視圖進行編碼，得到用戶偏好表示，包括：
13、基于所述偏好視圖編碼器利用注意力機制對所述偏好視圖進行偏好學習，得到所述用戶偏好表示。
14、在一種可能的實現方式中，所述基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行概率預測，得到所述匹配分數，包括：
15、基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行對比學習，得到用戶嵌入表示和項目嵌入表示；
16、基于所述預測模塊對所述用戶嵌入表示和所述項目嵌入表示進行整合，得到所述匹配分數。
17、在一種可能的實現方式中，所述基于所述預測模塊對所述用戶嵌入表示和所述項目嵌入表示進行整合，得到所述匹配分數，包括：
18、基于所述預測模塊對所述用戶嵌入表示和所述項目嵌入表示進行內積計算，得到所述匹配分數。
19、第二方面，本申請還提供了一種知識感知推薦裝置，所述裝置包括：
20、獲取模塊，用于獲取用戶與項目的交互信息和與所述項目對應的知識圖譜；
21、輸入模塊，用于將所述交互信息和所述知識圖譜輸入知識感知推薦模型，得到所述用戶與所述知識圖譜中實體的匹配分數，所述匹配分數表示所述用戶與所述實體的交互概率，所述知識感知推薦模型包括視圖構建模塊、偏好視圖編碼器、特征視圖編碼器、聯合視圖編碼器以及預測模塊，所述視圖構建模塊用于根據所述交互信息和所述知識圖譜構建偏好視圖、特征視圖以及聯合視圖；
22、推薦模塊，用于基于所述匹配分數，對所述用戶進行推薦。
23、在一種可能的實現方式中，所述輸入模塊，包括：
24、視圖構建單元，用于基于所述視圖構建模塊對所述交互信息和所述知識圖譜進行視圖構建，得到偏好視圖、特征視圖以及聯合視圖；
25、偏好編碼單元，用于基于所述偏好視圖編碼器對所述偏好視圖進行編碼，得到用戶偏好表示；
26、特征編碼單元，用于基于所述特征視圖編碼器對所述特征視圖進行編碼，得到項目特征表示；
27、聯合編碼單元，用于基于所述聯合視圖編碼器對所述聯合視圖進行編碼，得到用戶聯合表示和項目聯合表示；
28、預測單元，用于基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行概率預測，得到所述匹配分數。
29、在一種可能的實現方式中，所述預測單元，具體用于：
30、基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行對比學習，得到用戶嵌入表示和項目嵌入表示；
31、基于所述預測模塊對所述用戶嵌入表示和所述項目嵌入表示進行整合，得到所述匹配分數。
32、第三方面，本申請還提供了一種計算機設備，包括：存儲器以及處理器；
33、其中，所述存儲器用于存儲計算機程序；
34、所述處理器用于執行所述存儲器中的計算機程序，以實現上述第一方面或第一方面任一項所述的方法。
35、第四方面，本申請還提供了一種計算機可讀存儲介質，存儲有指令，當其在計算機上運行時，使得計算機執行上述第一方面或第一方面任一項所述的方法。
36、在本申請中，獲取用戶與項目的交互信息和與項目對應的知識圖譜；將交互信息和知識圖譜輸入知識感知推薦模型，得到用戶與知識圖譜中實體的匹配分數，匹配分數表示用戶與實體的交互概率，知識感知推薦模型包括視圖構建模塊、偏好視圖編碼器、特征視圖編碼器、聯合視圖編碼器以及預測模塊，視圖構建模塊用于根據交互信息和知識圖譜構建偏好視圖、特征視圖以及聯合視圖；基于匹配分數，對用戶進行推薦。本申請通過知識感知推薦模型協同監督三個視圖，能夠加強對項目表示的學習，從用戶直接交互的項目入手，可以增強為用戶提供個性化推薦的能力，有效防止噪聲信息的引入，構建聯合視圖也能幫助獲取全局結構信息，提高推薦的準確性。
本文檔來自技高網...
【技術保護點】
1.一種知識感知推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述交互信息和所述知識圖譜輸入知識感知推薦模型，得到所述用戶與所述知識圖譜中實體的匹配分數，包括：
3.根據權利要求2所述的方法，其特征在于，所述基于所述偏好視圖編碼器對所述偏好視圖進行編碼，得到用戶偏好表示，包括：
4.根據權利要求2所述的方法，其特征在于，所述基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行概率預測，得到所述匹配分數，包括：
5.根據權利要求4所述的方法，其特征在于，所述基于所述預測模塊對所述用戶嵌入表示和所述項目嵌入表示進行整合，得到所述匹配分數，包括：
6.一種知識感知推薦裝置，其特征在于，所述裝置包括：
7.根據權利要求6所述的裝置，其特征在于，所述輸入模塊，包括：
8.根據權利要求7所述的裝置，其特征在于，所述預測單元，具體用于：
9.一種計算機設備，其特征在于，包括：存儲器以及處理器；
10.一種計算機可讀存儲介質，其特征在于，存儲有指令，當其在計算機上運行時，使得計算機執行如權利要求1至5任一項所述的方法。
...
【技術特征摘要】
1.一種知識感知推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述將所述交互信息和所述知識圖譜輸入知識感知推薦模型，得到所述用戶與所述知識圖譜中實體的匹配分數，包括：
3.根據權利要求2所述的方法，其特征在于，所述基于所述偏好視圖編碼器對所述偏好視圖進行編碼，得到用戶偏好表示，包括：
4.根據權利要求2所述的方法，其特征在于，所述基于所述預測模塊對所述用戶偏好表示、所述項目特征表示、所述用戶聯合表示和所述項目聯合表示進行概率預測，得到所述匹配分數，包括：
5.根據權...
【專利技術屬性】
技術研發人員：李揚定，曾洋洋，馮皓，趙向超，謝豪，柴佳瑋，丁星亮，付紹濱，
申請(專利權)人：湖南師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。