【技术实现步骤摘要】
一种基于知识图谱的可解释推荐模型的构建方法
本专利技术属于推荐系统的
,具体涉及一种基于知识图谱的可解释推荐模型的构建方法。
技术介绍
人工智能发展开始进入后深度学习时代,尤其是在能源、医疗和金融等高风险、高价值产业中,若没有可解释的推理过程,则会潜藏着巨大的风险。在人工智能领域,一个重要分支是推荐系统,若解决了推荐可解释任务,则后续可为开发和研究新的可解释机器学习算法和理论提供合适的背景。当前推荐系统欠缺一种与之配套且有效的解释机制,解释机制的缺乏使得用户在应用推荐服务时,存在一种模糊感,不明白作为“黑箱”系统最后给出的结果是否真的适合自己。向用户解释系统会给出这个推荐结果的缘由与推荐系统的准确性同等重要,可解释的推荐会增进系统的透明度、说服力和信任度。目前对于推荐的解释有基于协同的解释,基于模板的解释,基于评论的解释。基于协同的推荐解释,能根据用户社交关系或项目特征生成“您的朋友也在看”或“您购买的A和B相似,为您推荐B”等解释,但在数据稀疏时,推荐的解释会过于牵强;基于模板的解释,其通过对预先定义好的模板进行关键词填充来形成解释,然而模板化的解释并不能满足用户的个性化需求;基于评论的解释,可对评论库中的文本进行提取,以生成推荐解释,但因评论中存在噪声文本,并不是所有的评论句子都能为用户决策过程提供解释。研究界将上述解释统称为post-hoc解释,即后处理方法解释,这种方法的优点是简单通用易实现,解释的内容不易受推荐系统的影响。但缺点一是这种解释产生的依据是一个“黑盒子”,无法进行合理显式地 ...
【技术保护点】
1.一种基于知识图谱的可解释推荐模型的构建方法,其特征在于,包括以下步骤:/nS1、将知识图谱中的实体和关系类别数据通过Word2Vec转换为嵌入矢量,并将所述嵌入矢量通过拼接形成一个句子矩阵;/nS2、将所述句子矩阵通过卷积核,得到不同的特征映射;/nS3、不同的特征映射通过池化层,将不同的路径序列经过池化后归整定长的特征表示;/nS4、将池化层输出的特征输入RNN网络中,输出隐态向量作为路径表示;/nS5、基于加权池化函数预测用户与候选项目的交互概率,并计算不同路径的得分贡献,选择得分最大的一条路径作为推荐;/nS6、采用Hit@K和NDCG@K对推荐的路径进行评价。/n
【技术特征摘要】
1.一种基于知识图谱的可解释推荐模型的构建方法,其特征在于,包括以下步骤:
S1、将知识图谱中的实体和关系类别数据通过Word2Vec转换为嵌入矢量,并将所述嵌入矢量通过拼接形成一个句子矩阵;
S2、将所述句子矩阵通过卷积核,得到不同的特征映射;
S3、不同的特征映射通过池化层,将不同的路径序列经过池化后归整定长的特征表示;
S4、将池化层输出的特征输入RNN网络中,输出隐态向量作为路径表示;
S5、基于加权池化函数预测用户与候选项目的交互概率,并计算不同路径的得分贡献,选择得分最大的一条路径作为推荐;
S6、采用Hit@K和NDCG@K对推荐的路径进行评价。
2.根据权利要求1所述的基于知识图谱的可解释推荐模型的构建方法,其特征在于:所述S1中将知识图谱中的实体和关系类别数据通过Word2Vec转换为嵌入矢量,并将所述嵌入矢量通过拼接形成一个句子矩阵:
其中,L为句子最大长度,为级联算子,对应于句子中第i个词的k维词向量,x1:L为从第1个到第L个词构成的句子,ei为第i个实体向量,e′为第i个实体类型向量,ri为关系向量。
3.根据权利要求1所述的基于知识图谱的可解释推荐模型的构建方法,其特征在于:所述S2中将所述句子矩阵通过卷积核,得到不同的特征映射,包括:
将句子矩阵通过卷积核h的一维卷积,每个卷积核的窗口大小为h*k,得到(L-h+1)维的特征集合即特征映射ci:
ci=f(w·xi:i+h-1+b)
其中,为滤波器,为偏置项,f为激活函数,xi:i+h-1为第i个词在卷积窗口的向量;
并采取不同大小的卷积核对句子{x1:h,x2:h+1,…,xL-h+1:L}进行卷积:
c=[c1,c2,…,cL-h+1]
其中,
4.根据权利要求1所述的基于知识图谱的可解释推荐模型的构建方法,其特征在于:所述S4中将池化层输出的特征输入RNN网络中,输出隐态向量作为路径表示,包括:
S4.1、采用门控循环单元GRU作为RNN模型,为RNN的输入向量,输出隐态向量为hl为:
rl=σ(Wirxl+bir+Whrhl-1+bhr)
zl=σ(Wizxl+biz+Whzhl-1+bhz)
nl=tanh(Winxl+bin+rl*(Whnhl-1+bhn))
hl=(1-zl)*nl+zl*hl-1
其中,xl为第l步的...
【专利技术属性】
技术研发人员:徐兵,彭舰,黄飞虎,弋沛玉,
申请(专利权)人:四川大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。