1.一种序列推荐方法,其特征在于,包括:
将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中;所述混合知识图谱为用户集-项目集构成的双向图和知识图谱统一合并的图谱;
根据所述序列推荐模型的输出确定所述待推荐用户的推荐序列信息;
其中,所述序列推荐模型包括知识图嵌入模块、图注意力网络和循环神经网络;所述知识图嵌入模块用于将所述混合知识图谱的所有节点编码为向量表示,所述图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以用于捕获全局的用户-项目和项目-项目之间的关系;所述循环神经网络用于对用户交互序列项目进行编码以获取用户的动态偏好。
2.根据权利要求1所述的序列推荐方法,其特征在于,所述序列推荐模型为利用目标序列推荐关系式训练得到,所述目标序列推荐关系式为:式中,O为所述序列推荐模型的训练样本数据集,u为所述待推荐用户,i,j为所述项目集中的项目序号,为所述待推荐用户与某个项目交互的得分,h、r、t为所述知识图谱中的头节点、连接关系和尾节点,σ(·)为逻辑sigmoid函数,Θ为所有可训练参数集合,G为所述双向图,t′为从实体集合中随机选取的一个负样例实体。
3.根据权利要求2所述的序列推荐方法,其特征在于,所述将所述混合知识图谱的所有节点编码为向量表示包括:利用TransR知识图嵌入方法将所述混合知识图谱的所有节点编码为向量表示。
4.根据权利要求1至3任意一项所述的序列推荐方法,其特征在于,所述根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以用于捕获全局的用户-项目和项目-项目之间的关系包括:当前节点融合相邻节点的嵌入得到自我中心网络模型eNk,所述自我中心网络模型eNk为:基于融合关系式融合实体ek和其自我中心网络模型eNk作为给定实体k的下一层输出,所述融合关系式为:将所述给定实体k从第一层到第l层传播后的输出连接为向量作为所述给定实体k的最终表示;
基于递归神经网络拟合各输出序列以使每个项目嵌入包含全局协同信号;
式中,h、r、t为所述知识图谱中的头节点、连接关系和尾节点,Nk={(h,γ,t)|(h,r,t)∈G,h=k}, 为初始化实体,G为所述双向图,k为给定实体且k∈ε,π(h,r,t)用于确定从相邻实体t传播至给定实体k的信息量; 为两层网络之间的维度转换矩阵,⊙为元素积,LeakyReLU为激活函数。
5.根据权利要求4所述的序列推荐方法,其特征在于,所述循环神经网络用于对用户交互序列项目进行编码以获取用户的动态偏好包括:所述循环神经网络通过编码关系式将上一时刻用户偏好信息和当前项目嵌入向量 作为输入计算当前时刻用户偏好信息,所述编码关系式为:式中,为当前时刻t所述待推荐用户偏好信息,u为所述待推荐用户,GRU(·)为GRU神经网络核, 为上一时刻t-1所述待推荐用户偏好信息,φ为所述GRU神经网络的所有参数。
6.一种序列推荐装置,其特征在于,包括:
混合知识图谱生成模块,用于将用户集-项目集构成的双向图和知识图谱统一合并为混合知识图谱;
模型输入模块,用于将待推荐用户和所述混合知识图谱的历史交互序列输入序列推荐模型中;所述序列推荐模型包括知识图嵌入模块、图注意力网络和循环神经网络;所述知识图嵌入模块用于将所述混合知识图谱的所有节点编码为向量表示,所述图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以用于捕获全局的用户-项目和项目-项目之间的关系;所述循环神经网络用于对用户交互序列项目进行编码以获取用户的动态偏好;
信息推荐模块,用于根据所述序列推荐模型的输出确定所述待推荐用户的推荐序列信息。
7.根据权利要求6所述的序列推荐装置,其特征在于,所述序列推荐模型为利用目标序列推荐关系式训练得到,所述目标序列推荐关系式为:式中,O为所述序列推荐模型的训练样本数据集,u为所述待推荐用户,i,j为所述项目集中的项目序号,为所述待推荐用户与某个项目交互的得分,h、r、t为所述知识图谱中的头节点、连接关系和尾节点,σ(·)为逻辑sigmoid函数,Θ为所有可训练参数集合,G为所述双向图,t′为从实体集合中随机选取的一个负样例实体。
8.根据权利要求7所述的序列推荐装置,其特征在于,所述图注意力网络具体用于:当前节点融合相邻节点的嵌入得到自我中心网络模型eNk,所述自我中心网络模型eNk为:基于融合关系式融合实体ek和其自我中心网络模型eNk作为给定实体k的下一层输出,所述融合关系式为:将所述给定实体k从第一层到第l层传播后的输出连接为向量作为所述给定实体k的最终表示;
式中,h、r、t为所述知识图谱中的头节点、连接关系和尾节点,Nk={(h,γ,t)|(h,r,t)∈G,h=k}, 为初始化实体,G为所述双向图,k为给定实体且k∈ε,π(h,r,t)用于确定从相邻实体t传播至给定实体k的信息量; 为两层网络之间的维度转换矩阵,⊙是元素积,LeakyReLU是激活函数。
9.一种序列推荐装置,其特征在于,包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述序列推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有序列推荐程序,所述序列推荐程序被处理器执行时实现如权利要求1至5任一项所述序列推荐方法的步骤。