1.一种基于知识图谱路径的可解释性推荐方法,其特征在于,包括如下步骤:
1)从用户的交互历史记录中抽取项目实体,得到用户-项的实体数据集,实体数据集作为知识图谱KG的种子集;
2)将步骤1)得到的实体数据集,与知识图谱KG实体对应,进行对应的三元组查询,得到实体-关系表,将表中的实体与关系抽取出来并用三元组表示;
3)根据步骤2)得到的三元组,用三元组信息中的组合实体和关系的语义来生成路径表示,并根据路径来推断用户偏好,确定一条偏好路径;
4)根据步骤3)得到的偏好路径,在限制路径长度为4的前提下,查询该路径头实体到尾实体其它的到达路径,得到多条路径,每条路径用多个三元组表示;
5)根据步骤4)得到的多条路径对每条路径区分不同路径对预测推荐的贡献的不同,进行池操作计算不同的路径贡献,并且选择贡献分最大的一条路径进行可解释推荐。
2.根据权利要求1所述的一种基于知识图谱路径的可解释性推荐方法,其特征在于,所述的路径,是知识图谱KG中的三元组清楚地描述了直接或间接项的关系属性,该属性构成给定用户与项对之间的一条或多条路径,表示如下:在知识图谱KG中,将用户u到项目i的路径正式定义为实体和关系的序列,序列表达式为: 其中e1=u,eL=i;(el,rl,el+1)是在p中的第l个三元组,并且L表示路径中三元组的个数。
3.根据权利要求1所述的一种基于知识图谱路径的可解释性推荐方法,其特征在于,所述步骤5)中的区分不同路径对预测推荐的贡献,具体如下:用户-项实体对在知识图谱中有一系列路径连接它们的路径,设s={s1,s2,…,sk}为K条路径的预测得分,P(u,i)={p1,p2,…,pk}为连接用户-项对(u,i)的路径集合,其中每个元素是根据公式所计算的,最后的预测为所有路径得分的平均值,表示为:其中 表示所有路径的预测平均分,σ(x)表示激活函数,其中x表示参数,K为路径条数。
4.根据权利要求3所述的一种基于知识图谱路径的可解释性推荐方法,其特征在于,所述的预测得分,采用两个完全连通的层将最终状态投影到输出的预测分数中,计算方式如下:其中W1和W2分别为第一层路径和第二层路径的系数权重,ReLU(x)为激活函数,其中x为激活参数,pk表示第k条路径。
5.根据权利要求1所述的一种基于知识图谱路径的可解释性推荐方法,其特征在于,步骤5)中,所述的池操作计算不同的路径贡献,具体如下:设计一个加权池操作来聚合所有路径的分数,池函数定义如下:
其中log[]为数学函数,K为路径个数,exp()为指数函数,Sk为路径预测得分,γ是超参数来控制每个权重指数;区分路径的重要性,路径的重要性由梯度决定,梯度表达式如下:其中exp()为指数函数,∑k表示求和符合,Sk是路径预测得分,γ是超参数来控制每个权重指数,计算结果与反向传播步骤中每条路径的分数成正比,池功能赋予最终预测更大的灵活性,当设置γ→0,最大池化的池化函数可能退化,通过设置γ→∞降低平均池化。