(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210213978.0 (22)申请日 2022.03.04 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 王娜　黄温苏　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 温宏梅 (51)Int.Cl. G06F 16/9535(2019.01) G06F 40/30(2020.01) G06F 16/36(2019.01) (54)发明名称 一种基于知识图谱的可解释推荐方法及相 关装置 (57)摘要 本申请公开了一种基于知识图谱的可解释 推荐方法及相关装置， 方法包括构基于知识图谱 确定H阶个相关实体集， 根据H阶个相关实体集及 起始兴趣物品， 在知 识图谱选 取H跳水波集， 确定 各跳水波集对应的用户兴趣向量， 基于各用户兴 趣向量确定用户嵌入向量， 基于用户嵌入向量和 物品嵌入向量确定预测访问概率， 基于预测访问 概率训练推荐模 型以进行物品推荐。 本申请通过 基于知识图谱确定的H跳水波 集确定用户感兴趣 向量， 基于用户感兴趣向量训练推荐模型， 通过 推荐模型确定推荐物品和解释推荐路径， 这样无 需预先构建大量的元路径， 通过条水波集中的每 轮传播来构建解释推荐路径中的物品， 在保证推 荐精确性的同时提高了 推荐方法的适用范围。 权利要求书2页 说明书11页 附图4页 CN 114707056 A 2022.07.05 CN 114707056 A 1.一种基于知识图谱的可解释推荐方法， 其特 征在于， 所述的方法包括： 基于用户历史数据集构建物品 ‑物品属性知识图谱； 对于用户历史数据集中的每个用户， 基于所述物品 ‑物品属性知识图谱确定所述用户 对应的H阶个相关实体集， 其中， 相 邻两阶相关实体集中的前一阶相关实体集中的每个相关 实体A为后一阶相关实体集中至少一个相关实体B的头实体， 并且相关实体A和相关实体B构 成的物品属性 三元组包 含于物品 ‑物品属性知识图谱； 根据H阶个相关实体集以及用户对应的起始兴趣物品， 在物品 ‑物品属性知识图谱选取 H跳水波集， 并确定选取到的各跳水波集对应的用户兴趣向量， 其中， 各水波集均包括若干 物品‑物品属性知识图谱中的三元组； 基于获取到的各用户兴趣向量确定用户嵌入向量， 基于所述用户嵌入向量和物品嵌入 向量确定预测访问概 率， 以及基于所述预测访问概 率训练推荐模型； 通过所述推荐模型进行物品推荐。 2.根据权利要求1所述基于知识图谱的可解释推荐方法， 其特征在于， 所述基于用户历 史数据集构建物品知识图谱具体包括： 提取用户历史数据集中物品的物品属性； 根据提取到的物品属性构建物品 ‑物品属性知识图谱， 其中， 所述物品 ‑物品属性知识 图谱中的三元组包括头实体 ‑关系‑尾实体。 3.根据权利要求1所述基于知识图谱的可解释推荐方法， 其特征在于， 所述对于用户历 史数据集中的每个用户， 基于所述物品 ‑物品属性知识图谱确定所述用户对应的H阶个相关 实体集具体包括： 对于用户历史数据集中的每个用户， 基于用户物品交互关系确定所述用户对应的起始 兴趣物品， 其中， 所述 起始兴趣物品包括于所述历史数据集； 将由起始兴趣物品构成的零阶相关实体集作为 候选相关实体集； 在所述物品 ‑物品属性知识图谱中选取以候选相关实体集中的各相关实体为头实体的 三元组， 并将选取到的三元组中的尾实体构成的集 合作为第一阶相关实体集； 将所述第一阶相关实体集作为候选相关实体集， 并继续执行在所述物品 ‑物品属性知 识图谱中选取以候选相关实体集中的各相关实体为头实体的三元组的步骤直至得到第H阶 相关实体集， 其中， H大于1； 将第一阶相关实体集至第H阶相关实体集作为H阶个的相关实体集。 4.根据权利要求3所述基于知识图谱的可解释推荐方法， 其特征在于， 所述交互关系为 用户历史评分记录； 所述基于用户物品交互关系确定所述用户对应的起始兴趣物品具体 为： 获取所述用户对应的用户历史评分记录； 将获取到的用户历史评分记录中的历史评分最高的物品作为所述用户对应的起始兴 趣物品。 5.根据权利要求1所述基于知识图谱的可解释推荐方法， 其特征在于， 所述根据H阶个 相关实体集以及用户对应的起始兴趣物品， 在物品 ‑物品属性知识图谱选取H跳水波集具体 包括： 在物品‑物品属性知识图谱中选取以该第k ‑1阶相关实体集中的相关实体为头实体的权　利　要　求　书 1/2 页 2 CN 114707056 A 2三元组， 其中， k＝1,2， ...， H， 当k＝1时， 第k ‑1阶相关实体集为由起始兴趣物品构成的零阶 相关实体集； 将选取到的所有三元组构成的集 合作为第k跳水波集， 以得到 H跳水波集。 6.根据权利要求1所述基于知识图谱的可解释推荐方法， 其特征在于， 所述确定选取到 的各跳水波集对应的用户兴趣向量具体包括： 对于第一跳水波集， 获取第 一跳水波集中的各三元组与用户历史数据集中的各物品的 相关性系 数， 并基于获取 的相关系 数将第一跳水波集中的各三元组中的尾实体加权， 以得 到第一跳水波集对应的用户兴趣向量； 对于第k跳水波集， 获取第k跳水波集中的各三元组与第k ‑1阶用户兴趣向量的相 关性 系数， 并基于获取 的相关系数将第k跳水波集中的各三元组中的尾实体加权， 以得到第k跳 水波集对应的用户兴趣向量， 其中， k ＝2,3， ...， H。 7.根据权利要求1所述基于知识图谱的可解释推荐方法， 其特征在于， 当用户历史数据 集未包括与所述用户具有交互关系的物品时， 将所述用户第一次登录时标记的实体作为起 始兴趣物品。 8.根据权利要求1 ‑7任意一项所述基于知识图谱的可解释推荐方法， 其特征在于， 所述 通过所述推荐模型进行物品推荐具体包括： 将待推荐用户以及待推荐用户对应的候选物品集输入所述推荐模型； 通过所述推荐模型确定所述用户与各候选物品的访问概 率预测值； 基于预设概率阈值以及访问概率预测值确定目标推荐物品， 并基于目标推荐物品与待 推荐用户的H阶个相关实体集中相关实体的相关系数确定目标推荐物品对应的解释 推荐路 径。 9.一种基于知识图谱的可解释推荐系统， 其特 征在于， 所述系统包括： 构建模块， 用于基于用户历史数据集构建物品 ‑物品属性知识图谱； 确定模块， 用于对于用户历史数据集中的每个用户， 基于所述物品 ‑物品属性知识图谱 确定所述用户对应的H阶个相关实体集， 其中， 相 邻两阶相关实体集中的前一阶的相关实体 集中的相关实体为后一阶的相关实体集中的相关实体的头实体， 并且两个相关实体构成的 物品属性 三元组包 含于物品 ‑物品属性知识图谱； 选取模块， 用于根据H阶个相关实体集以及用户对应的起始兴趣物品， 在物品 ‑物品属 性知识图谱选取H跳水波集， 并确定选取到的各跳水波集对应的用户兴趣向量， 其中， 各水 波集均包括若干物品 ‑物品属性知识图谱中的三元组； 推理模块， 用于基于获取到的各用户兴趣向量确定用户嵌入向量， 基于所述用户嵌入 向量和物品嵌入向量确定预测访问概 率， 以及基于所述预测访问概 率训练推荐模型； 推荐模块， 用于通过 所述推荐模型进行物品推荐。 10.一种终端设备， 其特征在于， 包括： 处理器、 存储器及通信总线； 所述存储器上存储 有可被所述处 理器执行的计算机可读程序； 所述通信总线实现处 理器和存 储器之间的连接通信； 所述处理器执行所述计算机可读程序时实现如权利要求1 ‑8任意一项所述的一种基于 知识图谱的可解释推荐方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114707056 A 3