【技术实现步骤摘要】
本专利技术涉及购物推荐，尤其涉及一种基于知识强化的购物篮可解释推荐方法与系统。
技术介绍
1、在电子商务领域中，推荐系统已经广泛应用来帮助用户快速找到感兴趣的商品。特别是在b2b场景中，b2b用户通常一次性购买多个商品，且购买数量大、重复性强。这使得b2b交易中的推荐系统不单单是推荐一个商品，而要推荐一组商品。而且推荐系统不仅仅需要准确预测用户未来的采购需求，还需要能够解释推荐结果，以便用户在决策过程中能够理解和信任推荐结果，从而更好的促成交易。可解释购物篮推荐旨在根据用户过去购买的购物篮序列推荐一组用户下次可能购买的商品，并提供推荐解释。
2、已有的购物篮推荐大部分是对商品的相关性进行建模，并挖掘隐藏在购物篮序列中的用户偏好，试图用挖掘的信息推断出一组倾向于在下一个购物篮中的商品。现有的购物篮推荐主要是基于马尔科夫链和循环神经网络两种。然而，推荐方法中的一个常见问题是数据稀疏性，用户和商品之间的交互较少，仅仅依靠交互信息很难推断出购物篮及用户偏好的高质量表征。目前购物篮推荐的研究专注于提升推荐准确度，已经取得了很好的推荐性能。但是大多数购物篮推荐是深度学习的黑盒模型，没有可解释性。缺乏可解释性会造成客户不理解推荐结果，影响推荐的有效性。但是目前没有针对购物篮推荐可解释性的研究，且已有的购物篮推荐主要集中在b2c领域，b2b领域很少。
3、知识图谱具有交互信息以外的丰富信息和拓扑结构，可以利用知识图谱的丰富信息学得高质量预训练表征，还可以利用知识图谱的拓扑结构进行推理得到可解释路径。因此，我们如何构建针对
技术实现思路
1、本专利技术克服了现有技术的不足，提供了一种基于知识强化的购物篮可解释推荐方法与系统。
2、为达上述目的，本专利技术采用的技术方案为：
3、本专利技术第一方面提供了一种基于知识强化的购物篮可解释推荐方法，包括：
4、获取用户在购物系统相关历史时间段的交互信息和商品信息，基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系，并构建购物篮知识图谱；
5、构建transr模型，将所述购物篮知识图谱输入到所述transr模型得到预训练表征；所述属性实体包括用户、商品、购物篮、商品属性；
6、基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图，根据所述用户特有的三步图构建购物篮的表征序列，并通过lstm生成用户的购物篮序列级别表征；
7、从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据，得到用户最近购买的购物篮序列，并基于所述用户最近购买的购物篮序列进行加权学习生成用户的复购表征；
8、学习权重融合所述预训练表征、购物篮序列级别表征和复购表征，得到用户预测向量；
9、将用户预测向量代替用户预训练表征，通过强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。
10、进一步的，在本方法中，获取用户在购物系统相关历史时间段的交互信息和商品信息，基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系，并构建购物篮知识图谱，具体为：
11、获取用户在购物系统相关历史时间段的交互信息和商品信息；
12、对用户购物系统的交互信息按时间划分，得到包含购物篮的数据；
13、对用户购物系统的交互信息和商品信息进行属性实体提取和属性实体之间的关系提取；
14、基于提取出的各属性实体和属性实体之间的关系构建购物篮知识图谱。
15、进一步的，在本方法中，构建transr模型，将所述购物篮知识图谱输入到所述transr模型得到预训练表征，具体为：
16、构建transr模型，将所述购物篮知识图谱输入到所述，得到实体的预训练表征，其中，预训练表征满足以下关系式：
17、;
18、表示购物篮知识图谱，其中，表示实体集合，表示实体之间的关系集合，三元组表示观察到头部实体与尾部实体之间存在关系。
19、进一步的，在本方法中，基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图，根据所述用户特有的三步图构建购物篮的表征序列，并通过lstm生成用户的购物篮序列级别表征，具体包括：
20、针对每个用户，获取所述购物知识图谱中最近购买的商品、购物篮、商品属性数据，并基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图；
21、通过gat模型来聚合用户特有的三步图中不同实体的表征，得到每个用户的购物篮临时表征；
22、通过lstm建模用户最近的购物篮序列的购物篮临时表征，得到用户的购物篮序列级别的表征。
23、进一步的，在本方法中，从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据，得到用户最近购买的购物篮序列，并基于所述用户最近购买的购物篮序列进行加权学习生成用户的复购表征，具体为：
24、从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据，得到用户最近购买的购物篮序列；
25、基于所述用户最近购买的购物篮序列统计用户最近购买的购物篮里每个商品的购买次数；
26、筛选出最近购买次数中购买次数最多的若干个商品，并对购买次数最多的若干个商品、购买次数进行加权学习处理，获取用户的复购表征。
27、进一步的，在本方法中，学习权重融合所述预训练表征、购物篮序列级别表征和复购表征，得到用户预测向量，具体为：
28、其中，通过计算用户预训练表征、用户购物篮序列级别表征和用户复购表征的加权和来融合得到用户的用户预测向量,不同的用户表征可能对推荐中的用户预测向量有不同的贡献，我们为每种用户表征分配一个权重，其中满足以下关系式：
29、;
30、其中，和分别对应用户预训练表征、用户购物篮序列级别表征和用户复购表征的权重。
31、进一步的，在本方法中，将用户预测向量代替用户预训练表征，通过强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径，具体为：
32、将用户预测向量代替购物篮知识图谱预训练得到的实体和关系表征中的用户预训练表征；
33、构建强化学习的mdp环境，通过所述mdp环境来训练策略网络，使得累积奖励最大，通过使用动作概率引导波束搜索进行路径推理得到推理路径；
34、通过mlp计算用户预测向量和商品预训练嵌入来得到用户对商品的评分，并通过从路径终点的商品中筛选出评分最高的几个商品做为购物篮推荐结果。
35、进一步的，在本方法中，通过mlp计算用户预测向量和商品预训练嵌入来得到用户对商品的评分，具体包括：
36、通过一个mlp计算用户预测向量和商品预训练嵌入来得到用户对商品的本文档来自技高网...
【技术保护点】
1.一种基于知识强化的购物篮可解释推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，获取用户在购物系统相关历史时间段的交互信息和商品信息，基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系，并构建购物篮知识图谱，具体为：
3.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，构建TransR模型，将所述购物篮知识图谱输入到所述TransR模型得到预训练表征，具体为：
4.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图，根据所述用户特有的三步图构建购物篮的表征序列，并通过LSTM生成用户的购物篮序列级别表征，具体包括：
5.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据，得到用户最近购买的购物篮序列，并基于所述用户最近购买的购物篮序列进行加权学习生成用户的复购表征
6.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，学习权重融合所述预训练表征、购物篮序列级别表征和复购表征，得到用户预测向量，具体为：
7.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，将用户预测向量代替用户预训练表征，通过强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径，具体为：
8.根据权利要求7所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，通过MLP计算用户预测向量和商品预训练嵌入来得到用户对商品的评分，具体包括：
9.一种基于知识强化的可解释购物篮推荐系统，其特征在于，包括：
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中包括基于知识强化的可解释购物篮推荐方法程序，所述基于知识强化的可解释购物篮推荐方法程序被处理器执行时，实现如权利要求1-8任一项所述的基于知识强化的可解释购物篮推荐方法的步骤。
...【技术特征摘要】
1.一种基于知识强化的购物篮可解释推荐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，获取用户在购物系统相关历史时间段的交互信息和商品信息，基于所述交互信息和商品信息提取出各属性实体以及属性实体之间的关系，并构建购物篮知识图谱，具体为：
3.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，构建transr模型，将所述购物篮知识图谱输入到所述transr模型得到预训练表征，具体为：
4.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，基于所述购物知识图谱中最近购买的商品、购物篮、商品属性构建用户特有的三步图，根据所述用户特有的三步图构建购物篮的表征序列，并通过lstm生成用户的购物篮序列级别表征，具体包括：
5.根据权利要求1所述的一种基于知识强化的购物篮可解释推荐方法，其特征在于，从包含购物篮的交互数据中筛选出用户在预设时间之内的交互数据，得到用户最近购买的购物篮序列，并基于所述用...
【专利技术属性】
技术研发人员：黄玲，邹晗，黄晓东，谭子星，李哲远，高月芳，邝颖杰，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：
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。