申请/专利权人：山东大学

申请日：2020-08-18

公开（公告）日：2024-07-02

公开（公告）号：CN112085559B

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06F16/36;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2021.01.01#实质审查的生效;2020.12.15#公开

摘要：本发明公开了一种基于时序性知识图谱的可解释商品推荐方法及系统，所述方法包括：获取用户的历史点击序列，并基于历史点击序列构建时序性知识图谱，所述时序性知识图谱中包括多个时间段的实体和实体之间的关系；基于初始实体，依次根据各个时间段的知识图谱进行设定步长的行为选择，获取各个时间段的状态及其真实值；所述状态包括初始实体、最终实体和相应路径；根据各个时间段的状态及其真实值，采用GRU网络进行商品推荐并给出解释路径。本发明通过构建时序性知识图谱，能够挖掘更多的用户潜在兴趣，有助于增加推荐的有效性、准确性和多样性。

主权项：1.一种基于时序性知识图谱的可解释商品推荐方法，其特征在于，包括以下步骤：获取用户针对商品的历史点击序列，并基于历史点击序列构建时序性知识图谱，所述时序性知识图谱中包括多个时间段的实体和实体之间的关系；所述实体包括用户及商品；基于初始实体，依次根据各个时间段的知识图谱进行设定步长的行为选择，获取各个时间段的状态及其真实值；所述状态包括初始实体、最终实体和相应路径；所述初始实体为用户，所述最终实体为商品；根据各个时间段的状态及其真实值，采用GRU网络进行商品推荐并给出解释路径；所述获取各个时间段的状态包括以下步骤：基于初始实体，查找知识图谱中所有与其连接的行为作为候选行为集合，并进行概率评估，选择概率评估最高的M个行为；对于所述M个行为中的每个，查找知识图谱中所有与其连接的行为作为该行为的候选行为集合，并进行概率评估，选择概率评估最高的M个行为；重复该步骤，直至达到设定步长；得到包括初始实体、最终实体和相应路径状态集合；所述获取各个时间段的状态真实值包括以下步骤：对于达到设定步长时的路径集合，评估各个路径的可能性，并根据可能性进行奖励，并进行多样性评估；评估的是用户与走完T步后到达最终实体之间的交互可能性，可能性越高，则进行奖励，反之，进行惩罚；所述奖励的计算公式为： 其中，代表的是经过T步后到达的最终实体，估计的是用户与最终实体交互的概率，代表的是用户可选择的所有商品的概率的总和；表示的是一个1-逆t步的PathPattern,j表示在该PathPattern中前向传递的关系的数量；所述多样性评估的计算公式为： 其中，F是现有路径的数量，是现有的路径中所有关系的嵌入向量，即，是当前的路径；从初始用户实体出发，对当前时间段的路径进行优化，使得经过T步长的选择得到的状态累积奖励最大化，并将各个状态映射成一个真实值，以衡量最终奖励；所述累积奖励的计算公式为： 所述采用GRU网络进行商品推荐并给出解释路径包括：将各个时间段的状态及其真实值作为输入，采用GRU网络得到多个候选商品，及用户与各候选商品之间的路径；基于所述用户与各候选商品之间的路径的效率，选择效率最高的作为用户选择商品的解释路径；所述路径的效率性与其路径的长度成反比，具体表达公式如下： 。

全文数据：

权利要求：

百度查询： 山东大学 基于时序性知识图谱的可解释商品推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD