基于知识图谱的物品推荐方法、装置、电子设备及介质
文献发布时间:2023-06-19 11:32:36
技术领域
本申请涉及物品推荐的技术领域,具体而言,本申请涉及一种基于知识图谱的物品推荐方法、装置、电子设备及介质。
背景技术
推荐系统可以在不需要用户明确提供他们所想要的内容的前提下,根据用户的喜好、习惯、个性化需求以及商品的特性来预测用户对商品的喜好,为用户推荐最合适的商品。
现有的推荐系统通常采用协同过滤的方式或基于内容的推荐方式。协同过滤的方式容易因用户行为矩阵过于稀疏而导致性能下降,并且存在无法推荐新物品的冷启动问题;基于内容的推荐方式重视物品本身的内容信息忽视了用户的行为,往往导致算法的精确度比较低。
发明内容
本申请针对现有方式的缺点,提出一种基于知识图谱的物品推荐方法、装置、电子设备及介质,用以解决现有推荐方法容易因用户行为矩阵过于稀疏而导致性能下降或因忽视用户的行为而导致算法的精确度比较低的技术问题。
第一方面,本申请实施例提供了一种基于知识图谱的物品推荐方法,包括:根据多个物品的知识图谱,确定出任意两个物品之间基于语义的第一相似度;
根据每个物品的用户评分,确定出任意两个物品之间基于用户行为的第二相似度;
根据每个用户未产生过行为的物品与产生过行为的物品之间的第一相似度和第二相似度、以及每个用户产生过行为的物品的用户评分,确定出每个用户对未产生过行为的物品的预测评分;
根据每个用户对未产生过行为的物品的预测评分,确定出针对每个用户未产生过行为的物品的推荐列表,并推送给对应的用户的终端。
第二方面,本申请实施例提供了一种基于知识图谱的物品推荐装置,包括:第一相似度确定模块、第二相似度确定模块、预测模块和列表模块;
第一相似度确定模块用于根据多个物品的知识图谱,确定出任意两个物品之间基于语义的第一相似度;
第二相似度确定模块用于根据每个物品的用户评分,确定出任意两个物品之间基于用户行为的第二相似度;
预测模块用于根据每个用户未产生过行为的物品与产生过行为的物品之间的第一相似度和第二相似度、以及每个用户产生过行为的物品的用户评分,确定出每个用户对未产生过行为的物品的预测评分;
列表模块用于根据每个用户对未产生过行为的物品的预测评分,确定出针对每个用户未产生过行为的物品的推荐列表,并推送给对应的用户的终端。
第三方面,本申请实施例提供了一种电子设备,包括处理器和存储器;
存储器,配置用于存储机器可读指令,指令在由处理器执行时,使得处理器执行本申请实施例提供的基于知识图谱的物品推荐方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请实施例提供的基于知识图谱的物品推荐方法。
本申请实施例提供的技术方案带来的有益技术效果是:
在本申请实施例提供的基于知识图谱的物品推荐方法中,在基于用户行为的第二相似度作为参考的基础上,又引入了物品之间的基于语义的第一相似度作为参考,即使用户行为矩阵稀疏(即用户发生过行为的物品的数量较少),也能够根据用户发生过行为的物品、第一相似度和第二相似度,较准确地预测用户对未产生过行为的物品的预测评分,预测评分较高的物品即可作为符合用户喜好、习惯以及个性化需求的物品推荐用户,帮助用户快速地做出决策,提高用户满意度。
本申请附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种构建物品的知识图谱的流程示意图;
图2为本申请实施例提供的一种基于知识图谱的物品推荐方法的流程示意图;
图3为本申请实施例提供的另一种基于知识图谱的物品推荐方法的流程示意图;
图4为本申请实施例提供的一种基于知识图谱的物品推荐装置的模块示意图;
图5为本申请实施例提供的一种电子设备的结构的框架示意图。
具体实施方式
下面详细描述本申请,本申请的实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外,如果已知技术的详细描述对于示出的本申请的特征是不必要的,则将其省略。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本申请的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
知识图谱(Knowledge Graph,KG)以结构化的形式描述客观世界中概念、实体及其关系,将互联网的信息表达成更接近人类认知世界的形,提供了一种更好地组织、管理和理解互联网海量信息的能力。在执行本申请实施例提供的基于知识图谱的物品推荐方法之前,需要构建被推荐的物品的知识图谱。在知识图谱中,如果两个节点之间存在关系,它们就会被一条无向边连接在一起,那么这个节点,我们就称为实体(Entity),它们之间的这条边,我们就称为关系(Relationship)。知识图谱的基本单位,便是“实体(Entity)-关系(Relationship)-实体(Entity)”构成的三元组。
本领域的技术人员可以理解,如图1所示,构建知识图谱大致可以分为数据获取、数据融合和数据存储三个步骤。
在数据获取过程中,数据的来源包括外部数据源和内部数据源。对于结构化数据,可以在预设的数据库进行抽取(scraping)数据,例如在MySQL数据库抽取)数据;对于半结构化数据,可以通过爬虫技术从外部数据源(如外部网站)获取。
数据融合过程包括实体构建和管理、数据映射、实体匹配以及搭建数据字典等。以艺术领域中的画作为例,自上而下建立知识图谱中的子集(schema),子集包括画作、画家、类别、流派、国籍、博物馆等。
在本申请实施例中,将知识图谱中表示物品本身(如画作本身)的实体定义为物品实体,将表示物品特征的实体(如画作的画家、画作的类别等)定义为特征实体。
在数据存储的过程中,由于知识图谱属于图形数据,因此可以将知识图谱的数据存储在Neo4j数据库中。
构建知识图谱的具体过程在本说明书中不做具体的介绍。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。
本申请实施例提供了一种基于知识图谱的物品推荐方法,该方法的流程示意图如图2所示,包括:
S101:根据多个物品的知识图谱,确定出任意两个物品之间基于语义的第一相似度。
在本申请的一个实施例中,步骤S101具体包括:确定出知识图谱中每个表示物品的物品实体,在d维空间中的第一向量;根据两个物品实体各自的第一向量,确定出两个物品实体在d维空间中的距离;将两个物品实体在d维空间中的距离,作为对应的两个物品之间的第一相似度。
S102:根据每个物品的用户评分,确定出任意两个物品之间基于用户行为的第二相似度。
在本申请的一个实施例中,步骤S102具体包括:根据每个用户对物品产生过的行为,确定出每个物品对应于各用户的用户评分;根据两个物品各自的对应于各用户的用户评分,确定出两个物品之间的余弦相似度,作为两个物品之间的第二相似度。
S103:根据每个用户未产生过行为的物品与产生过行为的物品之间的第一相似度和第二相似度、以及每个用户产生过行为的物品的用户评分,确定出每个用户对未产生过行为的物品的预测评分。
在本申请的一个实施例中,步骤S103具体包括:将任意两个物品之间的第一相似度和第二相似度的第一和值,作为任意两个物品之间的融合相似度;根据每个用户未产生过行为的物品与产生过行为的物品之间的融合相似度、以及每个用户对产生过行为的物品的评分,确定出每个用户对未产生过行为的物品的预测评分。
S104:根据每个用户对未产生过行为的物品的预测评分,确定出针对每个用户未产生过行为的物品的推荐列表,并推送给对应的用户的终端。
在本申请的一个实施例中,步骤S104具体包括:在每个用户未产生过行为的物品中,将预测评分超过预设分值的物品生成针对相应用户的推荐列表;对于每个用户未产生过行为的物品,根据物品的预测评分的从高到低地排序,根据排序结果生成针对相应用户的推荐列表。
应当说明的是,步骤S101和步骤S102的顺序不分先后,可以先执行步骤S101后执行步骤S102,也可以先执行步骤S102后执行步骤S101,还可以同时执行步骤S101和步骤S102。
在本申请实施例提供的基于知识图谱的物品推荐方法中,在基于用户行为的第二相似度作为参考的基础上,又引入了物品之间的基于语义的第一相似度作为参考,即使用户行为矩阵稀疏(即用户发生过行为的物品的数量较少),也能够根据用户发生过行为的物品、第一相似度和第二相似度,较准确地预测用户对未产生过行为的物品的预测评分,预测评分较高的物品即可作为符合用户喜好、习惯以及个性化需求的物品推荐用户,帮助用户快速地做出决策,提高用户满意度。
本申请实施例提供了另一种基于知识图谱的物品推荐方法,该方法的流程示意图如图3所示,包括:
S201:确定出知识图谱中每个表示物品的物品实体,在d维空间中的第一向量,d为正整数,之后执行步骤S202。
在本申请的一个实施例中,步骤S201具体包括:
(a1):确定出知识图谱中实体之间的向量表示关系,实体包括表示物品实体、以及表示物品特征的特征实体。
在本申请实施例中,可以利用TransE算法将知识图谱中的物品实体映射为实体向量。假设知识图谱中的结构化只是可以表示为无向图G=(V,E),其中,V=(v
在TransE算法中,期望两个实体向量(例如v
针对所有三元组样本的目标函数为如下公式(1):
其中S为三元组集合,S′
在本申请实施例中,可以采用反向传播算法(Back Propergation)迭代训练,更新模型参数,直到目标函数收敛或达到最大迭代次数。训练结束后,得到实体和关系的向量表示。
假设将知识图谱中物品实体和关系映射到d维的空间中,以物品I
上述d维的向量即表示物品I
(a2):根据知识图谱中实体之间的向量表示关系,确定出每个物品实体在d维空间中的第一向量。
S202:根据两个物品实体各自的第一向量,确定出两个物品实体在d维空间中的距离,之后执行步骤S203。
可选地,在本申请的一个实施例中,可以将欧几里得距离作为两个物品实体在d维空间中的距离。可以预先约定两个物品实体之间的欧几里得距离在(0,1]之间。以物品I
根据步骤a(1)可知,在公式(2)中,E
根据上述方法,可以确定出其他任意两个物品实体在d维空间中的距离,此处不再赘述。
S203:将两个物品实体在d维空间中的距离,作为对应的两个物品之间的第一相似度,之后执行步骤S206。
可选地,以物品I
S204:根据每个用户对物品产生过的行为,确定出每个物品对应于各用户的用户评分,之后执行步骤S205。
用户对物品产生过的行为包括“喜爱”、“推送”、“收藏”和“评论”等。例如,用户在利用电子设备浏览物品Ii时,在显示界面点击了表示“喜爱”的标识,则表明用户对物品Ii喜爱。
在本申请实施例中,可以预先设置评分规则,根据预设的计算规则以及每个用户对物品产生过的行为,确定出每个物品对应于各用户的用户评分。应当说明的是,具体的评分规则可以根据实际的设计需要而定。
例如,若用户1对物品I
假设包含m个用户U=(U
各用户对物品I
S205:根据两个物品各自的对应于各用户的用户评分,确定出两个物品之间的余弦相似度,作为两个物品之间的第二相似度,之后执行步骤S206。
以物品I
根据步骤S206可知,在公式(3)中,R
根据上述方法,可以确定出其他任意确定出两个物品之间的余弦相似度,此处不再赘述。将两个物品之间的余弦相似度,作为两个物品之间的第二相似度。
S206:将任意两个物品之间的第一相似度和第二相似度的第一和值,作为任意两个物品之间的融合相似度,之后执行步骤S207。
在本申请的一个实施例中,步骤S206具体包括:
(b1):将两个物品之间的第一相似度与预设的第一融合因子相乘,得到第一相似度参考值。
以物品I
在本申请实施例中,将第一融合因子定义为α,第一融合因子α的取值范围为[0,1]。
物品I
(b2):将两个物品之间的第二相似度与预设的第二融合因子相乘,得到第二相似度参考值;第一融合因子与第二融合因子的相加后得到的和值为一。
在本申请实施例中,可以将第二融合因子设定为(1-α),则物品I
(b3):将两个物品之间的第一相似度参考值和第二相似度参考值相加,得到第一和值;将第一和值作为两个物品之间的融合相似度。
根据步骤(b1)和步骤b(2)可知,物品I
sim(I
根据上述方法,可以确定出其他任意确定出两个物品之间的融合相似度,此处不再赘述。
S207:根据每个用户未产生过行为的物品与产生过行为的物品之间的融合相似度、以及每个用户对产生过行为的物品的评分,确定出每个用户对未产生过行为的物品的预测评分,之后执行步骤S208或步骤S209。
在本申请的一个实施例中,步骤S207具体包括:
(c1):将待测用户的一个未产生过行为的物品与各产生过行为的物品之间的融合相似度相加后,得到对应于一个未产生过行为的物品的融合相似度第一和值。
待测用户为用户u,以物品I
根据上述的步骤S206可知,用户u的一个未产生过行为的物品I
本领域的技术人员可以理解,在公式(4)中,sim(I
(c2):将待测用户的一个未产生过行为的物品与一个产生过行为的物品之间的融合相似度,与一个产生过行为的物品对应于待测用户的用户评分相乘,得到一个未产生过行为的物品与一个产生过行为的物品之间融合相似度乘积值;将一个未产生过行为的物品与用户的各个产生过行为的物品之间融合相似度乘积值相加,得到对应于一个未产生过行为的物品的融合相似度第二和值。
在步骤(c1)的基础上,本领域的技术人员可以理解,步骤(c2)的解析式可以用如下公式(5)表示:(sim(I
本领域的技术人员可以理解,在公式(5)中,sim(I
(c3):将对应于一个未产生过行为的物品的融合相似度第二和值,除以对应于一个未产生过行为的物品的融合相似度第一和值,得到第一商值。
根据步骤(c1)和步骤(c2)可知,第一商值P
(c5):将第一商值作为用户对一个未产生过行为的物品的预测评分。
将步骤(c3)中求得的第一商值P
根据上述方法,还可以确定出用户u对未产生过行为的其它物品的预测评分,以及确定出其他各用户对其未产生过行为的至少一个物品的预测评分,具体过程此处不再赘述。
S208:在每个用户未产生过行为的物品中,将预测评分超过预设分值的物品生成针对相应用户的推荐列表,并推送给对应的用户的终端。
可选地,以用户u为例,在用户u未产生过行为的物品中,将预设分值设定为70,将预测评分超过70的所有物品生成针对用户u的推荐列表。
S209:对于每个用户未产生过行为的物品,根据物品的预测评分的从高到低地排序,根据排序结果生成针对相应用户的推荐列表,并推送给对应的用户的终端。
可选地,以用户u为例,对于用户u未产生过行为的物品,根据物品的预测评分的从高到低地排序,将排在前10位的物品生成针对用户u的推荐列表。
应当说明的是,步骤S201和步骤S204的顺序不分先后,可以先执行步骤S201后执行步骤S204,也可以先执行步骤S204后执行步骤S201,还可以同时执行步骤S201和步骤S204。
基于同一发明构思,本申请实施例还提供了一种基于知识图谱的物品推荐装置300,如图4所示,基于知识图谱的物品推荐装置300包括:第一相似度确定模块301、第二相似度确定模块302、预测模块303和列表模块304。
第一相似度确定模块301用于根据多个物品的知识图谱,确定出任意两个物品之间基于语义的第一相似度。
第二相似度确定模块302用于根据每个物品的用户评分,确定出任意两个物品之间基于用户行为的第二相似度。
预测模块303用于根据每个用户未产生过行为的物品与产生过行为的物品之间的第一相似度和第二相似度、以及每个用户产生过行为的物品的用户评分,确定出每个用户对未产生过行为的物品的预测评分。
列表模块304用于根据每个用户对未产生过行为的物品的预测评分,确定出针对每个用户未产生过行为的物品的推荐列表,并推送给对应的用户的终端。
本申请实施例提供的基于知识图谱的物品推荐装置,与前面的各实施例具有相同的发明构思及相同的有益效果,该基于知识图谱的物品推荐装置中未详细示出的内容可参照前面的各实施例,在此不再赘述。
基于同一发明构思,本申请实施例提供了一种电子设备400,如图5所示,电子设备400包括处理器和存储器。
存储器配置用于存储机器可读指令,指令在由处理器执行时,使得处理器执行本申请上述各实施例提供的基于知识图谱的物品推荐方法。
本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
电子设备包括:存储器以及处理器,其中,这里的处理器可以称为下文所述的处理装置401,存储器可以包括下文中的只读存储器(ROM)402、随机访问存储器(RAM)403以及存储装置408中的至少一项,具体如下所示:
如图5所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收用户针对待处理的多媒体信息中任一段多媒体信息的选中操作,待处理的多媒体信息中包括至少两段多媒体信息,基于选中操作确定目标多媒体信息段,当接收到针对目标多媒体信息段的触发操作时,确定对应的处理方式,基于确定出的处理方式对目标多媒体信息段进行相应的处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块或单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块或单元的名称在某种情况下并不构成对该单元本身的限定,例如,接收模块还可以被描述为“接收用户针对待处理的多媒体信息中任一段多媒体信息的选中操作的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本申请实施例提供的电子设备400,与前面所述的各实施例具有相同的发明构思及相同的有益效果,该电子设备400中未详细示出的内容可参照前面所述的各实施例,在此不再赘述。
基于同一发明构思,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请上述各实施例提供的基于知识图谱的物品推荐方法。
该计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM、RAM、EPROM(Erasable Programmable Read-Only Memory,可擦写可编程只读存储器)、EEPROM、闪存、磁性卡片或光线卡片。也就是,可读介质包括由设备(例如,计算机)以能够读的形式存储或传输信息的任何介质。
本申请实施例提供的计算机可读存储介质,与前面所述的各实施例具有相同的发明构思及相同的有益效果,该计算机可读存储介质中未详细示出的内容可参照前面所述的各实施例,在此不再赘述。
应用本申请实施例,至少能够实现如下有益效果:
在本申请实施例提供的基于知识图谱的物品推荐方法中,在基于用户行为的第二相似度作为参考的基础上,又引入了物品之间的基于语义的第一相似度作为参考,即使用户行为矩阵稀疏(即用户发生过行为的物品的数量较少),也能够根据用户发生过行为的物品、第一相似度和第二相似度,较准确地预测用户对未产生过行为的物品的预测评分,预测评分较高的物品即可作为符合用户喜好、习惯以及个性化需求的物品推荐用户,帮助用户快速地做出决策,提高用户满意度。
本技术领域技术人员可以理解,本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地,具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地,现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
- 基于知识图谱的物品推荐方法、装置、电子设备及介质
- 物品推荐方法、物品推荐装置、存储介质及电子设备