CN109447713A - 一种基于知识图谱的推荐方法及装置 - Google Patents
一种基于知识图谱的推荐方法及装置 Download PDFInfo
- Publication number
- CN109447713A CN109447713A CN201811291004.4A CN201811291004A CN109447713A CN 109447713 A CN109447713 A CN 109447713A CN 201811291004 A CN201811291004 A CN 201811291004A CN 109447713 A CN109447713 A CN 109447713A
- Authority
- CN
- China
- Prior art keywords
- commodity
- user
- commodity set
- based map
- similar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013507 mapping Methods 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 239000013598 vector Substances 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 230000005055 memory storage Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000013065 commercial product Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000047 product Substances 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于知识图谱的推荐方法及装置，涉及计算机软件技术领域，用于全面精确给用户推荐商品。该方法包括：根据商品‑用户评分矩阵及第一商品集合确定第二商品集合，其中，第一商品集合为用户搜索商品集合，商品‑用户评分矩阵用于确定用户对商品的喜好程度，第二商品集合为与所述第一商品集合评分相同和/或相近的商品集合；根据第一商品集合及知识图谱确定第三商品集合，其中，知识图谱包括多个商品及多个商品对应的关系，第三商品集合为与所述第一商品集合语义相似的商品集合；按照预设比例融合第二商品集合及第三商品集合，得到至少一个商品，推荐给用户。本申请实施例应用于实现商品的全面精准推荐。
Description
技术领域
本发明涉及计算机软件技术领域，尤其涉及一种基于知识图谱的推荐方法及装置。
背景技术
随着网络技术的深入发展，电子商务为代表的互联网商机包含巨大的市场价值。在众多电子商务网站中，如亚马逊和淘宝，针对用户的推荐一直都是提升产品品牌价值和赢得客户市场的重要技术保证，以求提高用户体验的同时增加商品的销量。
目前比较成熟的推荐技术主要有基于内容的推荐以及协同过滤推荐等。基于内容的推荐，由于其推荐内容有限，不能为用户发现新的感兴趣的商品，导致了用户和商品的交互信息的稀疏性问题，显然在如今多源异构的大数据环境下不能很好的满足用户推荐需求。基于用户的协同过滤，对于新加入的用户或者商品，由于***没有其历史交互信息，因此无法进行准确地建模和推荐，即产生冷启动的问题。因此这些推荐技术不能达到更好的推荐目的。
发明内容
本申请的实施例提供一种基于知识图谱的推荐方法及装置，用于实现商品的全面、精准推荐。
为达到上述目的，本申请的实施例采用如下技术方案：
第一方面，提供了一种基于知识图谱的推荐方法，该方法包括：
根据商品-用户评分矩阵及第一商品集合确定第二商品集合，其中，所述第一商品集合为用户搜索商品集合，所述商品-用户评分矩阵用于确定用户对商品的喜好程度，所述第二商品集合为与所述第一商品集合评分相同和/或相近的商品集合；
根据所述第一商品集合及所述知识图谱确定第三商品集合，其中，所述知识图谱包括多个商品及多个商品对应的关系，所述第三商品集合为与所述第一商品集合语义相似的商品集合；
按照预设比例融合所述第二商品集合及所述第三商品集合，得到至少一个商品，推荐给用户。
第二方面，提供了一种基于知识图谱的推荐装置，该装置包括：
确定单元，用于根据商品-用户评分矩阵及第一商品集合确定第二商品集合，其中，所述第一商品集合为用户搜索商品集合，所述商品-用户评分矩阵用于确定用户对商品的喜好程度，所述第二商品集合为与所述第一商品集合评分相同和/或相近的商品集合；
所述确定单元，还用于根据所述第一商品集合及所述知识图谱确定第三商品集合，其中，所述知识图谱包括多个商品及多个商品对应的关系，所述第三商品集合为与所述第一商品集合语义相似的商品集合；
推荐单元，用于按照预设比例融合所述第二商品集合及所述第三商品集合，得到至少一个商品，推荐给用户。
第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如第一方面所述的基于知识图谱的推荐方法。
第四方面，提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使得计算机执行如第一方面所述的基于知识图谱的推荐方法。
第五方面，提供一种基于知识图谱的推荐装置，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行上述第一方面所述的基于知识图谱的推荐方法。
本申请的实施例提供的基于知识图谱的推荐方法及装置，根据商品-用户评分矩阵进行协调过滤得到的商品最近邻，并根据知识图谱得到跟用户需求语义相似的商品，同时调节用户所需要的商品最近邻及与用户需求语义相似的商品的融合比例，得到推荐给用户的商品，从而实现了更全面、更精确的为用户推荐商品的目的。
附图说明
图1为本申请的实施例提供的一种基于知识图谱的推荐***结构示意图；
图2为本申请的实施例提供的一种基于知识图谱的推荐方法流程示意图一；
图3为本申请的实施例提供的一种基于知识图谱的推荐方法流程示意图二；
图4为本申请的实施例提供的一种基于知识图谱的推荐方法流程示意图三；
图5为本申请的实施例提供的一种基于知识图谱的推荐方法流程示意图四；
图6为本申请的实施例提供的一种商品向量及商品向量对应的关系向量示意图；
图7为本申请的实施例提供的一种基于知识图谱的推荐装置结构示意图一；
图8为本申请的实施例提供的一种基于知识图谱的推荐装置结构示意图二。
具体实施方式
本申请实施例提供的基于知识图谱的推荐方法及装置，根据商品-用户评分矩阵和用户搜索商品集合确定与用户搜索商品集合评分相似的商品集合，并根据知识图谱与用户搜索商品集合确定与用户搜索商品集合语义相似的商品集合，将与用户搜索商品集合评分相似的商品集合及语义相似的商品集合按照比例融合，从而得到推荐给用户的商品。
图1为本申请实施例提供的基于知识图谱的推荐***的整体框架图。参照图1所示，整体框架包括：用户信息模块100、商品信息模块200和个性化推荐模块300。
用户信息模块100包括用户行为信息挖掘单元和用户信息库：
其中，用户行为信息挖掘是指网页Web服务器通过Web挖掘技术对用户因浏览网页、查看商品以及商品购买等行为而产生的日志文件进行Web使用挖掘任务，从而获得用户特征、兴趣等信息，这些信息可以包括商品点击次数、页面停留时间及页面进入频度等。信息数据经过筛选、整理归类等预处理后被存入用户信息库；
用户信息库主要存储用户基本信息、用户本站访问记录信息和用户个性化特征信息这三类信息。其中，用户基本信息包括用户的姓名、性别、年龄、职业、地址等，用户本站访问记录信息包括商品浏览记录、商品购买记录、页面访问次数等，用户个性化特征信息包括用户感兴趣的商品名称、商品类别、用户评价等。这些信息为推荐***进行商品推荐提供了数据支持和依据。
商品信息模块200包括商品信息库和商品信息管理单元：
其中，商品信息库主要存储商品的基本信息，商品基本信息包括商品类别、商品名称、价格、保质期、生产时间、包装时间、浏览量等，这些信息根据通过商品推荐***被使用或显示，是推荐***得以发挥作用的前提和保障；
商品信息管理单元的主要功能和任务是实现商品信息数据的存取、筛选、处理和传递等，商品信息管理对内可以实现各项数据的存取和处理，如新商品数据的添加、数据修改、格式转换等，对外可以实现数据的传递和显示，如知识图谱和商品推荐列表的生成、显示等。
个性化推荐模块300包括用户需求分析单元和协同过滤单元：
用户需求分析的主要功能是通过相关技术和方法来跟踪收集用户的行为、特征信息、购买记录等，在此基础上分析用户的喜好、购买意向等。本申请实施例提供的推荐***会根据不同用户产生不同的电商商品推荐列表，推荐***从用户信息库中获取用户的特征信息和商品购买记录，以此来分析用户需求；
协同过滤单元包括基于用户和商品的协同过滤的推荐算法，该算法属于推荐***的核心部分，该推荐算法根据用户之间的相似性和商品之间的相似性来进行商品推荐。
本申请实施了提供的推荐***通过协调过滤算法并结合用户需求分析和商品信息管理来进行商品的筛选和过滤，最终完成商品的个性化推荐。
本申请实施例提供的推荐***，当用户首次通过该推荐***的平台购买商品时，推荐算法根据用户已购商品来产生商品推荐列表，当用户下一次使用该推荐***时，***前台可以调用商品信息库中的商品信息并按照从上到下的空间顺序显示商品图谱，并将上一次针对该用户产生的推荐商品优先显示出来，这些商品的邻近商品或子商品也优先被显示出来，从而用户会看到和上一次不一样的商品列表，也可以方便地看到与自己已购商品相关的一些商品，这在一定程度上增强了整体的推荐效果。
可选的，本申请实施例提供的推荐***可以应用于电商平台。
下面采用详细的实施例对本基于知识图谱的推荐***的构建过程进行详细说明。
实施例1、
本申请实施例提供了一种基于知识图谱的推荐方法，参照图2中所示，该方法可以包括S101-S103：
S101、根据商品-用户评分矩阵及第一商品集合确定第二商品集合。
其中，第一商品集合为用户搜索商品集合，商品-用户评分矩阵用于确定用户对商品的喜好程度，第二商品集合为第一商品集合中评分相近的商品集合。
具体的，通过上述推荐***可以获取用户的基本信息及喜好商品集合，利用商品-用户评分矩阵计算电商平台中的商品与第一商品集合中的商品之间的相似性，可以生成与第一商品集合相似的商品-商品相似集合，并对这个商品-商品相似性集合进行近邻选择，通过近邻选择对用户所挑选过的物品分别进行排序筛选，进而确定第二商品集合。
可选的，参照图3中所示，在S101之前，该方法还可以包括S201-S202：
S201、获取多个用户评分信息及多个用户评分信息对应的商品集合。
当用户通过电商平台购买商品后，可以对已购买商品的喜好程度进行评分，因此通过电商平台的服务器可以获取该商品对应的多个用户的评分信息。
S202、根据多个用户评分信息及多个用户评分信息对应的商品集合构建商品-用户评分矩阵。
示例性的，设有m个用户U＝(U1，U2，…，Um)，n个商品I＝(I1，I2，…，In),这m个用户都分别对这n个商品I进行了评分，其中，当用户对某个商品不打分时，***可以默认该用户对该商品的评分为预设值，该预设值可以为0或1，也可以为其它值，根据用户的评分信息和评分信息对应的商品集合可以构建一个m×n的商品-用户评分矩阵Rmn。
其中，Rij为用户Ui对商品Ij的评分，且该评分代表用户Ui对物品Ij的喜好程度。
可选的，参照图4中所示，S101可以包括S301：
S301、根据商品-用户评分矩阵对第一商品集合进行协同过滤，以得到多个与第一商品集合评分相同和/或相近商品，多个与第一商品集合评分相同和/或相近商品为第二商品集合。
具体的，利用协同过滤算法及商品-用户评分矩阵Rmn计算电商平台中的商品与第一商品集合中的商品的权重相似性，可以得到一个如表1所示的商品-商品的相似性集合，对这个相似性集合进行近邻选择，近邻选择是对用户所挑选过的物品分别进行排序筛选，可以将评分相同和/相近的商品集合归类，即得到第二商品集合。
表1商品-商品的相似性集合
在表1的相似性集合中，aij为序号为i的商品和序号为j的商品之间相似性，第i行所构成的集合定义为序号j商品的近邻集合。
可选的，商品之间的相似性可以为某些用户对物品i与物品j的评分相同和/或相近，也可以为两个商品在知识图谱中距离相近，本申请实施例并不限定。
S102、根据第一商品集合及知识图谱确定第三商品集合。
其中，知识图谱包括多个商品及多个商品对应的关系，第三商品集合为与第一商品集合语义相似的商品集合。
将第一商品集合与知识图谱一一对应，得到一个商品对应表，该商品对应表为第一商品集合与知识图谱的商品对应的商品集合，利用知识图谱表示算法获取商品对应表中商品的语义信息，通过计算该商品对应表中商品之间的语义相似性，可以得到与第一商品集合语义相似的商品集合，即第三商品集合。
可选的，参照图5中所示，S102可以包括S301-S303：
S301、将第一商品集合与知识图谱一一对应，以得到第一商品集合中多个商品及多个商品对应的关系。
将第一商品集合与知识图谱一一对应，可以得到一个商品对应表，进而可以从知识图谱中获取该商品对应表中商品之间的关系集合。
S302、将多个商品转化为多个商品向量，并将多个商品向量对应的关系转化为多个关系向量。
知识图谱包括多个三元组，每个三元组两边的节点为商品，节点间的边为商品间的关系，可以将每个商品转化为一个商品向量，该商品向量对应的关系转化为关系向量。
示例性的，参照图6中所示，图6中，表示一个商品的头向量，表示该商品的尾向量，表示该商品向量对应的关系向量，其中，
S303、将多个商品向量及多个商品向量对应的关系向量按照余弦相似度进行语义相似计算，以得到多个与第一商品集合语义相似的商品，多个与第一商品集合语义相似的商品第三商品集合。
根据余弦相似度计算两个商品向量的语义相似度，当两个向量的余弦相似值越接近于1时，两个向量的语义相似度越高。由此可以计算出上述商品对应表中与第一商品集合语义相似度高的商品集合，即第三商品集合。
可选的，余弦相似度计算公式可以为：其中，为商品向量与商品向量的余弦相似度。
S103、按照预设比例融合第二商品集合及第三商品集合，得到至少一个商品，推荐给用户。
将根据商品-用户评分矩阵得到的商品集合与根据知识图谱得到的商品集合，按照一定的融合比例进行替换，最终可以得到至少一个商品，并将结果推荐给用户；还可以取两个商品集合的交集或并集，将得到的商品集合推荐给用户。
可选的，当得到推荐给用户的商品后，推荐***可以通过服务器将推荐的商品发送到用户的终端设备，该终端设备可以为个人电脑，也可以为移动设备，本申请实施例并不限定。
本申请实施例提供的推荐方法，根据商品-用户评分矩阵进行协调过滤得到的商品最近邻，并根据知识图谱得到跟用户需求语义相似的商品，同时调节用户所需要的商品最近邻及与用户需求语义相似的商品的融合比例，得到推荐给用户的商品，在解决推荐***冷启动的同时，可以更全面、更精确的为用户推荐商品。
实施例2、
本申请实施例提供了一种基于知识图谱的推荐装置，参照图7中所示，该推荐装置400包括：
确定单元401，用于根据商品-用户评分矩阵及第一商品集合确定第二商品集合，其中，第一商品集合为用户搜索商品集合，商品-用户评分矩阵用于确定用户对商品的喜好程度，第二商品集合为与第一商品集合评分相同和/或相近的商品集合。
确定单元401，还用于根据第一商品集合及知识图谱确定第三商品集合，其中，知识图谱包括多个商品及多个商品对应的关系，第三商品集合为与第一商品集合语义相似的商品集合。
推荐单元402，用于按照预设比例融合第二商品集合及第三商品集合，得到至少一个商品，推荐给用户。
可选的，参照图8中所示，该推荐装置400还可以包括：
获取单元501，用于获取多个用户评分信息及多个用户评分信息对应的商品集合。
构建单元502，用于根据多个用户评分信息及多个用户评分信息对应的商品集合构建商品-用户评分矩阵。
可选的，确定单元401，可以具体用于：根据商品-用户评分矩阵对第一商品集合进行协同过滤，以得到多个与第一商品集合评分相同和/或相近商品，多个与第一商品集合评分相同和/或相近商品为第二商品集合。
可选的，确定单元401，还可以具体用于：将第一商品集合与知识图谱一一对应，以得到多个商品及多个商品对应的关系；将多个商品转化为多个商品向量，并将多个商品向量对应的关系转化为多个关系向量；将多个商品向量及多个商品向量对应的关系向量按照余弦相似度进行语义相似计算，以得到多个与第一商品集合语义相似的商品集合，多个与第一商品集合语义相似的商品集合为第三商品集合。
本申请实施例提供一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如图2-图5中所述的方法。
本申请的实施例提供一种包含指令的计算机程序产品，当指令在计算机上运行时，使得计算机执行如图2-图5中所述的基于知识图谱的推荐方法。
本申请的实施例提供一种基于知识图谱的推荐装置，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行如图2-图5中所述的基于知识图谱的推荐方法。
由于本发明的实施例中的基于知识图谱的推荐装置、计算机可读存储介质、计算机程序产品可以应用于上述方法，因此，其所能获得的技术效果也可参考上述方法实施例，本发明实施例在此不再赘述。
需要说明的是，上述各单元可以为单独设立的处理器，也可以集成在控制器的某一个处理器中实现，此外，也可以以程序代码的形式存储于控制器的存储器中，由控制器的某一个处理器调用并执行以上各单元的功能。这里所述的处理器可以是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路(Application SpecificIntegrated Circuit，ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (11)
1.一种基于知识图谱的推荐方法，其特征在于，所述方法包括：
根据商品-用户评分矩阵及第一商品集合确定第二商品集合，其中，所述第一商品集合为用户搜索商品集合，所述商品-用户评分矩阵用于确定用户对商品的喜好程度，所述第二商品集合为与所述第一商品集合评分相同和/或相近的商品集合；
根据所述第一商品集合及所述知识图谱确定第三商品集合，其中，所述知识图谱包括多个商品及多个商品对应的关系，所述第三商品集合为与所述第一商品集合语义相似的商品集合；
按照预设比例融合所述第二商品集合及所述第三商品集合，得到至少一个商品，推荐给用户。
2.根据权利要求1所述的基于知识图谱的推荐方法，其特征在于，在所述根据商品-用户评分矩阵及所述第一商品集合确定第二商品集合之前，所述方法还包括：
获取多个用户评分信息及所述多个用户评分信息对应的商品集合；
根据所述多个用户评分信息及所述多个用户评分信息对应的商品集合构建所述商品-用户评分矩阵。
3.根据权利要求1所述的基于知识图谱的推荐方法，其特征在于，所述根据所述商品-用户评分矩阵及所述第一商品集合确定第二商品集合，包括：
根据所述商品-用户评分矩阵对所述第一商品集合进行协同过滤，以得到多个与所述第一商品集合评分相同和/或相近商品，所述多个与所述第一商品集合评分相同和/或相近商品为所述第二商品集合。
4.根据权利要求1所述的基于知识图谱的推荐方法，其特征在于，根据所述第一商品集合及所述知识图谱确定第三商品集合，包括：
将所述第一商品集合与所述知识图谱一一对应，以得到多个商品及所述多个商品对应的关系；
将所述多个商品转化为多个商品向量，并将所述多个商品向量对应的关系转化为多个关系向量；
将所述多个商品向量及所述多个商品向量对应的关系向量按照余弦相似度进行语义相似计算，以得到多个与所述第一商品集合语义相似的商品集合，所述多个与所述第一商品集合语义相似的商品集合为所述第三商品集合。
5.一种基于知识图谱的推荐装置，其特征在于，所述推荐装置包括：
确定单元，用于根据商品-用户评分矩阵及第一商品集合确定第二商品集合，其中，所述第一商品集合为用户搜索商品集合，所述商品-用户评分矩阵用于确定用户对商品的喜好程度，所述第二商品集合为与所述第一商品集合评分相同和/或相近的商品集合；
所述确定单元，还用于根据所述第一商品集合及所述知识图谱确定第三商品集合，其中，所述知识图谱包括多个商品及多个商品对应的关系，所述第三商品集合为与所述第一商品集合语义相似的商品集合；
推荐单元，用于按照预设比例融合所述第二商品集合及所述第三商品集合，得到至少一个商品，推荐给用户。
6.根据权利要求5所述的基于知识图谱的推荐装置，其特征在于，所述推荐装置还包括：
获取单元，用于获取多个用户评分信息及所述多个用户评分信息对应的商品集合；
构建单元，用于根据所述多个用户评分信息及所述多个用户评分信息对应的商品集合构建所述商品-用户评分矩阵。
7.根据权利要求5所述的基于知识图谱的推荐装置，其特征在于，所述确定单元具体用于：
根据所述商品-用户评分矩阵对所述第一商品集合进行协同过滤，以得到多个与所述第一商品集合评分相同和/或相近商品，所述多个与所述第一商品集合评分相同或相近商品为所述第二商品集合。
8.根据权利要求5所述的基于知识图谱的推荐装置，其特征在于，所述确定单元具体用于：
将所述第一商品集合与所述知识图谱一一对应，以得到多个商品及所述多个商品对应的关系；
将所述多个商品转化为多个商品向量，并将所述多个商品向量对应的关系转化为多个关系向量；
将所述多个商品向量及所述多个商品向量对应的关系向量按照余弦相似度进行语义相似计算，以得到多个与所述第一商品集合语义相似的商品集合，所述多个与所述第一商品集合语义相似的商品集合为所述第三商品集合。
9.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当被计算机执行时使所述计算机执行如权利要求1-4任一项所述的基于知识图谱的推荐方法。
10.一种包含指令的计算机程序产品，其特征在于，当所述指令在计算机上运行时，使得所述计算机执行如权利要求1-4任一项所述的基于知识图谱的推荐方法。
11.一种基于知识图谱的推荐装置，其特征在于，包括：处理器和存储器，存储器用于存储程序，处理器调用存储器存储的程序，以执行如权利要求1-4任一项所述的基于知识图谱的推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811291004.4A CN109447713A (zh) | 2018-10-31 | 2018-10-31 | 一种基于知识图谱的推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811291004.4A CN109447713A (zh) | 2018-10-31 | 2018-10-31 | 一种基于知识图谱的推荐方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447713A true CN109447713A (zh) | 2019-03-08 |
Family
ID=65550491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811291004.4A Pending CN109447713A (zh) | 2018-10-31 | 2018-10-31 | 一种基于知识图谱的推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447713A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060121A (zh) * | 2019-03-14 | 2019-07-26 | 五邑大学 | 基于特征排序的商品推荐方法、装置和存储介质 |
| CN110110222A (zh) * | 2019-04-12 | 2019-08-09 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
| CN110222127A (zh) * | 2019-06-06 | 2019-09-10 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的信息汇聚方法、装置和设备 |
| CN110765273A (zh) * | 2019-09-17 | 2020-02-07 | 北京三快在线科技有限公司 | 推荐文案生成方法、装置、电子设备及可读存储介质 |
| CN111985994A (zh) * | 2020-08-06 | 2020-11-24 | 上海博泰悦臻电子设备制造有限公司 | 商品推荐方法及相关设备 |
| CN112036987A (zh) * | 2020-09-11 | 2020-12-04 | 杭州海康威视数字技术股份有限公司 | 确定推荐商品的方法和装置 |
| CN112102029A (zh) * | 2020-08-20 | 2020-12-18 | 浙江大学 | 一种基于知识图谱的长尾推荐计算方法 |
| CN112561581A (zh) * | 2020-12-14 | 2021-03-26 | 珠海格力电器股份有限公司 | 一种推荐方法、装置、电子设备及存储介质 |
| CN112612973A (zh) * | 2020-12-31 | 2021-04-06 | 重庆邮电大学 | 结合知识图谱的个性化智能服装搭配推荐方法 |
| CN112785372A (zh) * | 2021-01-11 | 2021-05-11 | 北京欧拉认知智能科技有限公司 | 一种基于语义关系的智能推荐方法 |
| CN112800207A (zh) * | 2021-01-13 | 2021-05-14 | 桂林电子科技大学 | 一种商品信息推荐方法、装置及存储介质 |
| CN112989176A (zh) * | 2019-12-12 | 2021-06-18 | 国网电子商务有限公司 | 一种信息推荐方法及装置 |
| CN113360784A (zh) * | 2021-06-22 | 2021-09-07 | 北京邮电大学 | 一种用于设备运维方案推荐的知识图谱优化的协同过滤算法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103412948A (zh) * | 2013-08-27 | 2013-11-27 | 北京交通大学 | 基于聚类的协同过滤的商品推荐方法及*** |
| CN103559622A (zh) * | 2013-07-31 | 2014-02-05 | 焦点科技股份有限公司 | 基于特征的协同过滤推荐方法 |
| WO2016191959A1 (zh) * | 2015-05-29 | 2016-12-08 | 深圳市汇游智慧旅游网络有限公司 | 一种时变的协同过滤推荐方法 |
| CN107273490A (zh) * | 2017-06-14 | 2017-10-20 | 北京工业大学 | 一种基于知识图谱的组合错题推荐方法 |
| CN107729444A (zh) * | 2017-09-30 | 2018-02-23 | 桂林电子科技大学 | 一种基于知识图谱的个性化旅游景点推荐方法 |
| US10102559B1 (en) * | 2014-09-30 | 2018-10-16 | Amazon Technologies, Inc. | Diversification of recommendations |
| US20180308100A1 (en) * | 2017-04-19 | 2018-10-25 | Risto Haukioja | System and method of client recognition for service provider transactions |
-
2018
- 2018-10-31 CN CN201811291004.4A patent/CN109447713A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103559622A (zh) * | 2013-07-31 | 2014-02-05 | 焦点科技股份有限公司 | 基于特征的协同过滤推荐方法 |
| CN103412948A (zh) * | 2013-08-27 | 2013-11-27 | 北京交通大学 | 基于聚类的协同过滤的商品推荐方法及*** |
| US10102559B1 (en) * | 2014-09-30 | 2018-10-16 | Amazon Technologies, Inc. | Diversification of recommendations |
| WO2016191959A1 (zh) * | 2015-05-29 | 2016-12-08 | 深圳市汇游智慧旅游网络有限公司 | 一种时变的协同过滤推荐方法 |
| US20180308100A1 (en) * | 2017-04-19 | 2018-10-25 | Risto Haukioja | System and method of client recognition for service provider transactions |
| CN107273490A (zh) * | 2017-06-14 | 2017-10-20 | 北京工业大学 | 一种基于知识图谱的组合错题推荐方法 |
| CN107729444A (zh) * | 2017-09-30 | 2018-02-23 | 桂林电子科技大学 | 一种基于知识图谱的个性化旅游景点推荐方法 |
Non-Patent Citations (1)
| Title |
|---|
| HUAGONG_ADU: "基于物品的协同过滤推荐算法---读Item-Based Collaborative Filtering Recommendation Algorithms", 《CSDN》 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060121A (zh) * | 2019-03-14 | 2019-07-26 | 五邑大学 | 基于特征排序的商品推荐方法、装置和存储介质 |
| CN110110222B (zh) * | 2019-04-12 | 2021-03-16 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
| CN110110222A (zh) * | 2019-04-12 | 2019-08-09 | 保定市大为计算机软件开发有限公司 | 一种目标对象确定方法、装置及计算机存储介质 |
| CN110222127A (zh) * | 2019-06-06 | 2019-09-10 | 中国电子科技集团公司第二十八研究所 | 基于知识图谱的信息汇聚方法、装置和设备 |
| CN110765273A (zh) * | 2019-09-17 | 2020-02-07 | 北京三快在线科技有限公司 | 推荐文案生成方法、装置、电子设备及可读存储介质 |
| CN110765273B (zh) * | 2019-09-17 | 2020-12-18 | 北京三快在线科技有限公司 | 推荐文案生成方法、装置、电子设备及可读存储介质 |
| CN112989176A (zh) * | 2019-12-12 | 2021-06-18 | 国网电子商务有限公司 | 一种信息推荐方法及装置 |
| CN111985994A (zh) * | 2020-08-06 | 2020-11-24 | 上海博泰悦臻电子设备制造有限公司 | 商品推荐方法及相关设备 |
| CN112102029A (zh) * | 2020-08-20 | 2020-12-18 | 浙江大学 | 一种基于知识图谱的长尾推荐计算方法 |
| CN112036987A (zh) * | 2020-09-11 | 2020-12-04 | 杭州海康威视数字技术股份有限公司 | 确定推荐商品的方法和装置 |
| CN112036987B (zh) * | 2020-09-11 | 2024-04-02 | 杭州海康威视数字技术股份有限公司 | 确定推荐商品的方法和装置 |
| CN112561581A (zh) * | 2020-12-14 | 2021-03-26 | 珠海格力电器股份有限公司 | 一种推荐方法、装置、电子设备及存储介质 |
| CN112612973A (zh) * | 2020-12-31 | 2021-04-06 | 重庆邮电大学 | 结合知识图谱的个性化智能服装搭配推荐方法 |
| CN112612973B (zh) * | 2020-12-31 | 2022-03-22 | 重庆邮电大学 | 结合知识图谱的个性化智能服装搭配推荐方法 |
| CN112785372A (zh) * | 2021-01-11 | 2021-05-11 | 北京欧拉认知智能科技有限公司 | 一种基于语义关系的智能推荐方法 |
| CN112785372B (zh) * | 2021-01-11 | 2023-09-12 | 北京欧拉认知智能科技有限公司 | 一种基于语义关系的智能推荐方法 |
| CN112800207A (zh) * | 2021-01-13 | 2021-05-14 | 桂林电子科技大学 | 一种商品信息推荐方法、装置及存储介质 |
| CN113360784A (zh) * | 2021-06-22 | 2021-09-07 | 北京邮电大学 | 一种用于设备运维方案推荐的知识图谱优化的协同过滤算法 |
| CN113360784B (zh) * | 2021-06-22 | 2023-09-19 | 北京邮电大学 | 一种用于设备运维方案推荐的知识图谱优化的协同过滤算法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447713A (zh) | 一种基于知识图谱的推荐方法及装置 | |
| JP6356744B2 (ja) | ウェブサイト横断情報を表示する方法およびシステム | |
| US8504436B2 (en) | Systems and methods for generating a manufacturer tier product rollup | |
| US10095771B1 (en) | Clustering and recommending items based upon keyword analysis | |
| US10304116B2 (en) | System and method for targeting content based on filter activity | |
| US10423999B1 (en) | Performing personalized category-based product sorting | |
| CN110580649B (zh) | 一种商品潜力值的确定方法和装置 | |
| US20120005044A1 (en) | System And Method To Provide A Table Of Products Based On Ranked User Specified Product Attributes | |
| CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
| CN110335123B (zh) | 基于社交电商平台的商品推荐方法、***、计算机可读介质以及装置 | |
| CN106326318B (zh) | 搜索方法及装置 | |
| CN106251168A (zh) | 信息推送方法及*** | |
| JP6976207B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
| US20160196593A1 (en) | System and method for tracking filter activity and monitoring trends associated with said activity | |
| US20170046768A1 (en) | Hybrid recommendation system for recommending product advertisements | |
| Małecki et al. | The classification of internet shop customers based on the cluster analysis and graph cellular automata | |
| KR20160131477A (ko) | 연관 검색어를 이용한 관심사 카테고리 기반 이커머스 시스템 | |
| CN107103490B (zh) | 一种数据处理方法、网络服务器及终端 | |
| KR20140132033A (ko) | 상품 추천 서비스 시스템 및 그 방법, 그리고 이에 적용되는 장치 | |
| WO2013096749A2 (en) | System and method for generating user recommendations | |
| US20150348160A1 (en) | Automatic selection of featured product groups within a product search engine | |
| CN112488854A (zh) | 服务经理个性化推荐方法和相关设备 | |
| CN110827044A (zh) | 提取用户兴趣模式的方法和装置 | |
| CN106557475B (zh) | 蹊径选择方法及装置 | |
| Somya et al. | A novel approach to collect and analyze market customer behavior data on online shop |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |
|
| RJ01 | Rejection of invention patent application after publication |