一种基于多跳机制的扩散图谱推荐方法及系统
技术特征:
1.一种基于多跳机制的扩散图谱推荐方法,其特征在于,包括:
2.根据权利要求1所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,所述知识图谱的构建方法为:
3.根据权利要求2所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,所述的poi-gcn特征提取网络包括词嵌入层、网络层、gcn层和隐藏层;
4.根据权利要求3所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,引入水波扩散与多跳机制构建所述diffussion-poi推荐模型,生成推荐序列的过程如下:
5.根据权利要求2所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,所述数据预处理包括:
6.根据权利要求5所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,采用基于双数组字典树的ac自动机进行中文分词。
7.根据权利要求5所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,采用bert-bilstm-crf神经网络算法进行实体抽取与对齐,采用kmp算法提高实体对齐的效率。
8.根据权利要求5所述的一种基于多跳机制的扩散图谱推荐方法,其特征在于,所述兴趣点关系分为:主谓宾、动补结构、状动结构、状动补结构、定语后置关系、介宾关系、宾语前置结构。
9.一种基于多跳机制的扩散图谱推荐系统,用于执行权利要求1-8任一所述的扩散图谱推荐方法,其特征在于,包括知识图谱构建模块、poi-gcn特征提取网络和diffussion-poi推荐模型;
技术总结
本发明提供一种基于多跳机制的扩散图谱推荐方法及系统,属于深度学习、知识图谱与推荐系统技术领域。本发明由知识图谱构建、特征提取网络及多跳机制扩散模型组成;将不同类型的POI特征分别输入到不同的特征提取隐藏层中,并对它们进行不同的权重分配、嵌入映射和非线性变换等操作,更好地捕捉不同类型兴趣点的特征差异,从而提高模型的表达能力和泛化能力;通过图谱的信息传递,丰富用户画像、发现潜在关联并进行个性化推荐;水波扩散算法能够使模型具备寻找更多实体的能力,以提高其泛化性能;多跳模型能逐步扩展和丰富用户的兴趣点集合,挖掘更多与用户历史行为相关的潜在兴趣点,有效利用用户和知识图谱中的关系信息,实现个性化、多样化推荐。
技术研发人员:张思佳,刘珈宁,张正龙,王祎涵,安宗诗
受保护的技术使用者:大连海洋大学
技术研发日:
技术公布日:2024/11/21
文档序号 :
【 40072113 】
技术研发人员:张思佳,刘珈宁,张正龙,王祎涵,安宗诗
技术所有人:大连海洋大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:张思佳,刘珈宁,张正龙,王祎涵,安宗诗
技术所有人:大连海洋大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
