基于Meta-graph知识图谱表示的对话式音乐推荐方法技术

本发明专利技术公开了一种基于Meta‑graph知识图谱表示的对话式音乐推荐方法，该方法包括基于Meta‑graph知识图谱的表示方法离线生成特征向量和基于Bandit算法的在线对话式推荐两部分。该方法实现对话场景下的基于Meta‑graph方法表示知识图谱的音乐推荐，即在人机对话的场景下，实时获取用户对音乐的偏好，并结合知识图谱来建模用户的长短期偏好，及时给予上下文感知的推荐结果，能够实现实时推荐，且对上下文信息、用户需求和反馈能良好处理。

Dialogue Music Recommendation Method Based on Meta-graph Knowledge Map Representation

The invention discloses a dialogical music recommendation method based on Meta graph knowledge map representation. The method includes two parts: an off-line feature vector generation method based on Meta graph knowledge map representation and an on-line dialogical recommendation method based on Bandit algorithm. This method realizes music recommendation based on Meta_graph method in dialogue scenario, that is to say, in man-machine conversation scenario, users'preferences for music are acquired in real time, and users' long-term and short-term preferences are modeled with knowledge map, and context-aware recommendation results are given in time. This method can realize real-time recommendation, and it can also achieve real-time recommendation. Good handling of context information, user needs and feedback.

【技术实现步骤摘要】
基于Meta-graph知识图谱表示的对话式音乐推荐方法
本专利技术属于数据挖掘中的音乐推荐
，更为具体地讲，涉及应用场景为人机对话场景的一种基于Meta-graph知识图谱表示的对话式音乐推荐方法。
技术介绍
网络信息技术的迅猛发展为人们的生活带来了极大的便捷，与此同时，也抛出了新的问题与困难：信息过载。推荐技术便是缓解和解决此类问题的一剂良方。推荐技术旨在信息过滤，能主动向用户推荐其感兴趣的信息，而一个好的推荐技术则既可以提高用户粘性与忠诚，又能获得商业利益，达到双赢的局面。当前，国内外许多知名互联网公司也已经将推荐技术应用到产品当中，并获得了可观的回报。音乐推荐是一类具有代表性的推荐技术研究领域，它具有推荐种类繁多、数量庞大、实时性强、上下文信息丰富、消费代价低以及允许重复消费等特性，且音乐作为当下一类主流的消费商品，具有很强的商业价值。学术界和工业界针对音乐推荐也已有多年的研究与实践经验上，并取得了不俗的表现。但是随着时代的变迁与技术的变革，人工智能催生了许多全新应用场景，对话系统便是其中极具代表性的方向之一。然而目前存在几类对话式音乐推荐方法，但是其反馈方式和应用场景均单一，不能实现在人机对话场景下的实时音乐推荐。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于Meta-graph知识图谱表示的对话式音乐推荐方法，该方法实现对话场景下的基于Meta-graph方法表示知识图谱的音乐推荐，即在人机对话的场景下，实时获取用户对音乐的偏好，并结合知识图谱来建模用户的长短期偏好，及时给予上下文感知的推荐结果，以实现音乐实时推荐，以及对上下文信息、用户需求和反馈的良好处理。为实现上述专利技术目的，本专利技术基于Meta-graph知识图谱表示的对话式音乐推荐方法，其特征在于，包括以下步骤：(1)、获取音乐知识图谱与用户行为数据，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出的用户-音乐知识图谱作为基于Meta-graph知识图谱表示方法的输入，生成用户特征向量与目标音乐实体特征向量，构成用户与目标音乐实体特征向量池；(2)、从人机对话内容中识别当前用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的候选目标音乐实体集合；(3)、从用户与目标音乐实体特征向量池中，获取当前用户的特征向量和候选目标音乐实体集合中各候选目标音乐实体的特征向量；(4)、根据当前用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量，基于Bandit算法进行实时推荐，得到候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给当前用户。本专利技术的目的是这样实现的。本专利技术基于Meta-graph知识图谱表示的对话式音乐推荐方法，通过Meta-graph知识图谱表示方法生成音乐知识图谱中的目标音乐实体特征向量与用户知识图谱中的用户特征向量，构成特征向量池；从人机对话内容中识别用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的候选目标音乐实体集合，然后再从特征向量池中，获取该用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量；根据该用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量，基于Bandit算法进行推荐，计算候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给用户。这样，本专利技术实现了在人机对话场景下的音乐推荐，且良好地利用了知识图谱作为方法的先验知识来源以及对上下文信息、用户需求和反馈的良好处理，推荐更加符合用户的需求。此外，本专利技术通过Meta-graph知识图谱表示对用户或音乐实体提取特征向量的优势在于：(1)允许使用方自定义具有语义信息的Meta-graph，使得结果具有解释性；(2)矩阵分解方法获取特征向量，可以有效降低维度，识别重要特征。而基于Bandit算法的实时推荐可以逐步推算出用户的偏好，且Bandit算法的执行逻辑符合交互式场景。附图说明图1是本专利技术基于Meta-graph知识图谱表示的对话式音乐推荐方法一种具体实施方式的流程图；图2是图1所示基于Meta-graph知识图谱的特征向量表示生成特征向量一种具体实施方式的流程图；图3是图2所示Meta-graph集合的一种结构示意图；图4是图2所示音乐知识图谱的结构示意图；图5是一种复杂Meta-graph的结构示意图；图6是图1所示基于Bandit算法的在线对话式推荐流程图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好地理解本专利技术。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。知识图谱的节点与边的类型多样，可看作一类异构信息网络(HeterogeneousInformationNetwork，HIN)。Meta-path是基于异构信息网络表示从某一节点类型到另一节点类型的复杂关系，例如，其中，A和R分别代表节点和边的类型，具体意义是节点A1和节点A2由边R1建立联系，以达到从A1到A2的路径，后续路径同上，最终一整条Meta-path可以从A1游走到A1+1。而Meta-graph则是对Meta-path在更复杂表示上的扩展：连接过程中存在岔路情况。本专利技术利用Meta-graph来提取HIN中包含的用户的长短期音乐偏好。针对目前的几类对话式音乐推荐方法存在反馈方式和应用场景均单一，不能实现在人机对话场景下进行音乐推荐的问题，本专利技术提出了一种基于Meta-graph知识图谱表示的对话式音乐推荐方法，该方法包括基于Meta-graph知识图谱的表示方法离线生成特征向量和基于Bandit算法的在线对话式推荐两个部分。在本专利技术中，用到的音乐知识图谱是已构建完毕的关于音乐领域专业知识的知识图谱，该音乐知识图谱包含的音乐实体有歌曲、专辑、歌手及风格等。在本实施例例中，如图1所示，本专利技术基于Meta-graph知识图谱表示的对话式音乐推荐方法，包括以下步骤如下：步骤S1：基于Meta-graph知识图谱的特征向量表示获取音乐知识图谱与用户行为数据，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出的用户-音乐知识图谱作为基于Meta-graph知识图谱表示方法的输入，生成用户特征向量与目标音乐实体特征向量，构成用户与目标音乐实体特征向量池。在本实施例中，如图2所示，基于Meta-graph知识图谱的特征向量表示的具体实施步骤为：步骤S1.1：设计L个用户与目标音乐实体的Meta-graph集合，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出用户-音乐知识图谱。在本实施例中，如图3所示，L取3，即设计3个用户与目标音乐实体的Meta-graph集合，包括M1、M2、M3，目标即待推荐的音乐实体为歌曲，但实际应用时不限于歌曲，还可以包含专辑、歌手等推荐。在本实施例中，构建出的用户-音乐知识图谱如图4所示，步骤S1.2：根据Meta-graph集合中涉及的L个Meta-graph(元图)以及用户-音乐知识图谱获取不同节点类型的邻接矩阵。在本实施例中，设计的L＝3个Meta-grap本文档来自技高网...

【技术保护点】
1.一种基于Meta‑graph知识图谱表示的对话式音乐推荐方法，其特征在于，包括以下步骤：(1)、获取音乐知识图谱与用户行为数据，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出的用户‑音乐知识图谱作为基于Meta‑graph知识图谱表示方法的输入，生成用户特征向量与目标音乐实体特征向量，构成用户与目标音乐实体特征向量池；(2)、从人机对话内容中识别当前用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的候选目标音乐实体集合；(3)、从用户与目标音乐实体特征向量池中，获取当前用户的特征向量和候选目标音乐实体集合中各候选目标音乐实体的特征向量；(4)、根据当前用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量，基于Bandit算法进行实时推荐，得到候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给当前用户。

【技术特征摘要】
1.一种基于Meta-graph知识图谱表示的对话式音乐推荐方法，其特征在于，包括以下步骤：(1)、获取音乐知识图谱与用户行为数据，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出的用户-音乐知识图谱作为基于Meta-graph知识图谱表示方法的输入，生成用户特征向量与目标音乐实体特征向量，构成用户与目标音乐实体特征向量池；(2)、从人机对话内容中识别当前用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的候选目标音乐实体集合；(3)、从用户与目标音乐实体特征向量池中，获取当前用户的特征向量和候选目标音乐实体集合中各候选目标音乐实体的特征向量；(4)、根据当前用户的特征向量和候选目标音乐实体集合中各目标音乐实体的特征向量，基于Bandit算法进行实时推荐，得到候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给当前用户。2.根据权利要求1所述的基于Meta-graph知识图谱表示的对话式音乐推荐方法，其特征在于，步骤(4)后进一步包括在线更新部分：(5)、获取当前用户特征向量和该轮推荐的音乐实体特征向量，基于Bandit算法进行更新，并将更新的结果写入用户与音乐实体特征向量池中，基于Bandit算法进行更新，并将更新结果写入用户与音乐实体特征向量池中，以使后续的推荐中学习得到本次推荐的结果。3.根据权利要求1或2所述的基于Meta-graph知识图谱表示的对话式音乐推荐方法，其特征在于，所述步骤(1)具体为：1.1)、设计L个用户与目标音乐实体的Meta-graph集合，将用户作为节点依据其行为(用户行为)链接至音乐知识图谱中对应音乐实体，构建出用户-音乐知识图谱；1.2)、根据Meta-graph集合中涉及的L个Meta-graph(元图)以及用户-音乐知识图谱获取不同节点类型的邻接矩阵；1.3)、结合步骤1.1)中的Meta-graph集合和步骤1.2)获得的不同类型节点的...

【专利技术属性】
技术研发人员：王晓玲，靳远远，周纯伊，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海,31