CN112182386A - 一种基于知识图谱的目标推荐方法及装置 - Google Patents
一种基于知识图谱的目标推荐方法及装置 Download PDFInfo
- Publication number
- CN112182386A CN112182386A CN202011045704.2A CN202011045704A CN112182386A CN 112182386 A CN112182386 A CN 112182386A CN 202011045704 A CN202011045704 A CN 202011045704A CN 112182386 A CN112182386 A CN 112182386A
- Authority
- CN
- China
- Prior art keywords
- matching
- level node
- nodes
- determining
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 47
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于知识图谱的目标推荐方法及装置,属于计算机技术领域。方法包括:确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种基于知识图谱的目标推荐方法及装置。
背景技术
目前,用户在消费前习惯于在某些互联网网站或某些APP(Application,应用程序)上查看商户相关信息,并选取感兴趣商户进行消费。而网站或APP也会根据用户的浏览及消费等情况,为用户推荐其可能感兴趣商户,以方便用户选择、增加用户粘性,也可以进行广告和引流。
现阶段的商户推荐多基于用户浏览和消费信息,基于协同过滤算法推荐商户,或根据商户的热门程度进行排序推荐,这些方法未考虑到商户本身的特点和商户间的相关性,会导致为用户推荐的商户趋同,商户不具备多样性,覆盖到用户潜在兴趣点的概率较低。
发明内容
为解决相关技术中存在的技术问题,本发明实施例提供一种基于知识图谱的目标推荐方法及装置,可以提高向用户推荐商户的多样性和覆盖度。
为达到上述目的,本发明实施例的技术方案是这样实现的:
一方面,本发明实施例提供一种基于知识图谱的目标推荐方法,所述方法包括:
确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;
根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;
根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
可选的,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
可选的,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
可选的,N=2,所述知识图谱中的第一级节点与对象类目相对应。
可选的,根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
可选的,所述根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度,包括:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
另一方面,本发明实施例提供一种基于知识图谱的目标推荐装置,所述装置包括:
确定单元,用于确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;
匹配单元,用于根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;
推荐单元,用于根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
可选的,所述确定单元,具体用于:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
可选的,所述确定单元,具体用于:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
可选的,N=2,所述知识图谱中的第一级节点与对象类目相对应。
可选的,还包括生成单元,用于根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
可选的,所述匹配单元,用于:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
另一方面,本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现上述基于知识图谱的目标推荐方法。
另一方面,本发明实施例还提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,当所述计算机程序被所述处理器执行时,使得所述处理器实现上述基于知识图谱的目标推荐方法。
本发明实施例中的知识图谱,包括N级节点,其中一个第N级节点对应一个对象,匹配对象为知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数。当需要向用户推荐目标对象时,确定匹配对象,以及匹配对象对应的知识图谱,并根据匹配对象与知识图谱中其余节点之间的关联关系,确定匹配对象与第N级节点中其余节点之间的匹配度。其中,匹配对象与知识图谱中其余节点之间的关联关系包括知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系。最后,根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。本发明实施例构建的知识图谱不止一个层级,从而在进行对象推荐时,可以在不同层级间进行选择,避免推荐的对象都在同一层级下,保证对象推荐的多样性和覆盖度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于知识图谱的目标推荐方法的应用架构示意图;
图2为本发明实施例提供的一种基于知识图谱的目标推荐方法的流程图;
图3为本发明实施例提供的知识图谱的构建过程的流程图;
图4为本发明实施例中一种具体的商户推荐方法的流程图;
图5为本发明实施例中另一种具体的商户推荐方法的流程图;
图6为本发明实施例提供的一种基于知识图谱的目标推荐装置的结构示意图;
图7为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
文中的术语“第一”、“第二”仅用于描述目的,而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征,在本发明实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为了解决相关技术中的问题,本发明实施例提供了一种基于知识图谱的目标推荐方法及装置。参阅图1所示,为本发明实施例中基于知识图谱的目标推荐方法的应用架构示意图,包括服务器100、终端设备200。
终端设备200可以是移动的,也可以是固定的电子设备。例如,手机、平板电脑、笔记本电脑、台式电脑、各类可穿戴设备、智能电视、车载设备或其它能够实现上述功能的电子设备等。终端设备200能够向用户显示商户信息等内容,将用户点击的内容发送给服务器100,接收服务器100发送的商户推荐结果。
终端设备200与服务器100之间可以通过互联网相连,实现相互之间的通信。可选地,上述的互联网使用标准通信技术和/或协议。互联网通常为因特网、但也可以是任何网络,包括但不限于局域网(Local Area Network,LAN)、城域网(Metropolitan AreaNetwork,MAN)、广域网(Wide Area Network,WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中,使用包括超文本标记语言(Hyper Text Mark-up Language,HTML)、可扩展标记语言(Extensible Markup Language,XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure SocketLayer,SSL)、传输层安全(Transport Layer Security,TLS)、虚拟专用网络(VirtualPrivate Network,VPN)、网际协议安全(Internet Protocol Security,IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中,还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。
服务器100可以为终端设备200提供各种网络服务,服务器100可以采用云计算技术进行信息处理。其中,服务器100可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本发明在此不做限制。
具体地,服务器100可以包括处理器110(Center Processing Unit,CPU)、存储器120、输入设备130和输出设备140等,输入设备130可以包括键盘、鼠标、触摸屏等,输出设备140可以包括显示设备,如液晶显示器(Liquid Crystal Display,LCD)、阴极射线管(Cathode Ray Tube,CRT)等。
存储器120可以包括只读存储器(ROM)和随机存取存储器(RAM),并向处理器110提供存储器120中存储的程序指令和数据。在本发明实施例中,存储器120可以用于存储本发明实施例中基于知识图谱的目标推荐方法的程序。
处理器110通过调用存储器120存储的程序指令,处理器110用于按照获得的程序指令执行本发明实施例中任一种基于知识图谱的目标推荐方法的步骤。
需要说明的是,本发明实施例中,基于知识图谱的目标推荐方法主要由服务器100侧执行,如图1所示的应用架构,是以应用于服务器100侧为例进行说明的,当然,本发明实施例中基于知识图谱的目标推荐方法也可以由终端设备200执行,例如终端设备200可以从服务器100侧获得构建好的知识图谱,从而基于该知识图谱进行商户推荐,并将商户向用户展示,对此本发明实施例中并不进行限制。
另外,本发明实施例中的应用架构图是为了更加清楚地说明本发明实施例中的技术方案,并不构成对本发明实施例提供的技术方案的限制,对于其它的应用架构和业务应用,本发明实施例提供的技术方案对于类似的问题,同样适用。
本发明各个实施例以应用于图1所示的应用架构图为例进行示意性说明。
图2示出了本发明一个实施例提供的基于知识图谱的目标推荐方法的流程图。如图2所示,该方法包括如下步骤:
步骤S201,确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数。
其中,知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱中包括多个节点,每个节点之间通过直线相连,用于表示节点之间的关联关系,知识图谱中包括两级节点,其中,每个第二级节点对应一个对象。在本发明具体实施例中,对象可以为商户,即每个第二级节点对应一个商户。
较佳地,上述N=2,其中,知识图谱中的第一级节点与对象类目相对应。在具体应用场景中,对象为商户,对象类目即为商户类目,可以按照预先规定的商户类目将所有商户进行分类,构建知识图谱,第一级节点为商户类目,如餐饮、百货、家电、超市、药品、加油等,第二级为具体商户。第一级节点之间的直线连接表示商户类目之间的相关性,若不相关则没有连接,若相关,则对应的权重为商户类目间的相似度。第二级节点之间的直线连接表示商户之间的相关性,若不相关则没有连接,若相关,则对应的权重为商户间的相似度。
这样,本发明实施例通过构建双层知识图谱,第一层为商户类目形成的关联图谱,进行商户推荐时,根据边的权重,可在不同类目间进行随机游走,避免推荐的商户都在同一类目下,保证商户推荐的多样性。
步骤S202,根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度。
其中,所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系。
具体实施过程中,节点与节点之间用直接相连,表示节点之间的关联关系。其中,直线包括实线和虚线,实线表示节点与节点之间的关联关系包括权重,用于表明节点与节点之间关联的紧密程度;虚线表示节点与节点之间的关联关系不包括权重,用于表明节点与节点之间的直线仅表示节点之间存在连接关系,但计算匹配度时无需考虑在内。
步骤S203,根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
具体实施过程中,计算出第N级节点中与匹配对象之间的匹配度后,可以按照匹配度将其余第N级节点进行排序,从高到低选出设定数量的第N级节点作为目标对象,将其对应的商户向用户推荐。
本发明实施例中的知识图谱,包括N级节点,其中一个第N级节点对应一个对象,匹配对象为知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数。当需要向用户推荐目标对象时,确定匹配对象,以及匹配对象对应的知识图谱,并根据匹配对象与知识图谱中其余节点之间的关联关系,确定匹配对象与第N级节点中其余节点之间的匹配度。其中,匹配对象与知识图谱中其余节点之间的关联关系包括知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系。最后,根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。本发明实施例构建的知识图谱不止一个层级,从而在进行对象推荐时,可以在不同层级间进行选择,避免推荐的对象都在同一层级下,保证对象推荐的多样性和覆盖度。
进一步地,本发明实施例根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
具体实施过程中,需要构建商户推荐的知识图谱时,首先获取所有商户的商户信息,并根据商户信息确定商户特征以及每个商户所述的分类类目,分类类别包括比如餐饮、百货、家电、超市、药品、加油等。根据分类类目构建初始知识图谱,其中,将每一个分类类目作为知识图谱中的一个第一级节点,利用直线作为边连接存在相关性的任意两个第一级节点。若两个第一级节点之间没有相关性,则不连接,若两个第一级节点之间相关,则记录两个第一级节点之间边的权重为对应两个分类类目之间的相似度。具体的相似度计算方式不做限制,本发明实施例中利用杰卡德相似系数计算两个分类类目之间的相似度。具体计算方式如下:
记各个分类类目下所有商户的消费用户集分别为Si,i=1,2,…,k,其中k为分类类目的数量。采用杰卡德相似系数计算类目间的相似度。
其中,J(Si,Sj)为分类目录Si和Sj之间的相似度。公式1表明两个分类目录之间的相似度为两个分类目录中包含用户的交集与并集的比值。
之后,确定知识图谱中与第一级节点之间存在关联关系的第一类二级节点。本发明实施例中,第一类第二级节点对应为分类类目下销售量较高的热门商户。具体确定方法为,针对知识图谱中的每个第一级节点,首先计算每个分类类目下的商户销售量,商户销售量为一个月内所有门店的销售量的总和,并对结果进行降序排序,取销售量最高的N个商户作为该分类类目的热门商户。将所有的热门商户作为第一类二级节点,记为E,并创建一条边连接ej与Si。按照如下公式计算边eij的权重wij。
其中,|eij|为第i类中第j个热门商户一个月内的销售量,其中i为第i个分类类目,j为该分类类目下第j个热门商户。
此外,对于第一级节点下的第二类二级节点,即除热门商户外的其余商户,仅利用虚线连接第一级节点与第二类二级节点即可,用于表示该商户属于某一分类类目,仅表示上下位关系而不包含权重。
针对第二级节点之间关联关系,通过计算两个第二级节点之间的相似度来确定。具体地,第二级节点为商户,根据商户间的类目、商圈、客群、消费金额等信息进行边的构建和相似度计算,具体方法如下:抽取商户的类目、商圈、客群平均年龄、笔均消费金额等作为商户特征,进行one-hot(热独)编码(其中年龄和消费金额划定范围进行离散化后,再进行one-hot编码),使得每个商户特征形成一个向量,通过向量计算余弦相似度作为商户间的相似度。若相似度等于0,则商户间没有连接边,若相似度大于0,则商户间连接一条边,相似度的值作为边的权重。
设商户A形成的向量为(A1,A2,…,An),商户B形成的向量为(B1,B2,…,Bn),商户A和商户B的余弦相似度C(A,B)计算方法如下:
一种具体的实施例中,根据以下方式进行构建知识图谱。
读取商户信息,包括商户基础信息及历史交易明细,并计算商户属性,如商户所属类目、商户所属商圈(GPS位置信息)、商户笔均交易金额、商户交易的用户id、用户平均年龄等。
记录现存商户类目,构建类目间关联图谱,每个类目作为一个节点,由公式1计算类目间边的权重,若权重为0,则节点间不连接边,由类目节点和边形成初始知识图谱。
根据类目下品牌的销量寻找热门店铺,连接类目节点和该类目下的热门店铺,根据公式2计算边的权重;类目下其它商户作为二级节点,与类目连接一条有向无权边,该边无实际含义,只作为上下位关系的指示。
为每个商户添加属性,并根据公式3计算商户间的相似度,作为商户节点间连接边的权重,权重等于0时,商户节点间不进行边的连接,最终形成整体知识图谱。
进一步地,根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度,包括:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
具体实施过程中,如图3所示,根据以下方式计算用户/商户匹配度评分。
要求用户注册时填写个人信息,如年龄、性别、生日等,基于用户的行为数据得到用户的购买力、偏好类目、常驻商圈等信息,当用户登录APP或网站时,在用户偏好类目下寻找某个匹配度最高的商户,分值记为1,然后从该节点开始,以权值相乘为评分,计算各路径上的商户评分,取评分最高的N个商户推荐给用户。具体计算方法如下:
根据用户特征和用户偏好类目下的商户特征,由公式(3)计算选择相似度最高的商户,其分值记为1;
从分值为1的第二级节点开始,根据边的权重,寻找该第二级节点到其它第二级节点的权重相乘最大的路径,以权重相乘的值作为其它第二级节点的评分,权重最大的路径寻找方法如下:(a)从分值为1的第二级节点开始,根据寻找最短路径的方法,将第二级节点之间边的权重相乘计算其它第二级节点评分,为第一条路径;(b)从分值为1的第二级节点开始,找到其所属的第一级节点(即分类类目),根据其与第一级节点间权重,以及第一级节点和第一类第二级节点(热门商户)间的权重乘以第一类第二级节点的评分,为第二条路径;(c)如果某节点两条路径都可到达,以权值相乘大的为该节点评分。
根据各节点的评分排序,取评分最高的N个商户推荐给用户。
当用户点击某商户时,则从该商户开始,按以上方法依权重计算各商户评分,按评分顺序向用户推荐商户。
一种具体的实施例中,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
具体地,一般用户在APP或网站中注册时,会填写个人信息,如年龄、性别、生日等,基于用户的行为数据得到用户的购买力、偏好类目、常驻商圈等。如图4所示,当用户在终端设备中进入APP或网站时,读取用户信息,如用户id,并根据用户id匹配已存有的用户年龄、用户购买力、偏好类目、常驻商圈等信息,如能读取用户实时GPS信息,可以依GPS信息计算当前所在商圈,代替常驻商圈。
这样,可以在用户偏好的分类类目下确定匹配度最高的商户,或者,根据读取的用户特征与存储的商户特征计算相似度,根据公式3得到一个与该用户最匹配的商户,并确定该商户所在的知识图谱。将最匹配的商户记录得分为1,然后从该商户对应的第二级节点开始,根据边的权重相乘计算各商户得分。根据商户得分排序,得到商户推荐列表,推荐给用户。
另一种具体的实施例中,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
具体地,如图5所示,用户也可以通过终端点击商户,此时,可以直接获取该商户的商户类目及商户id,在商户关联的知识图谱中定位当前点击商户。从该商户出发,以边的权值相乘为评分,进行商户的排序和推荐,得到与当前点击商户相似度最高的商户排序列表,推荐给用户。
与上述方法实施例相对应地,本发明实施例还提供了一种基于知识图谱的目标推荐装置。图6为本发明实施例的提供的基于知识图谱的目标推荐装置的结构示意图;如图6所示,该基于知识图谱的目标推荐装置包括:
确定单元601,用于确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;
匹配单元602,用于根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;
推荐单元603,用于根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
较佳地,所述确定单元601,具体用于:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
较佳地,所述确定单元601,具体用于:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
较佳地,N=2,所述知识图谱中的第一级节点与对象类目相对应。
较佳地,还包括生成单元604,用于根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
较佳地,所述匹配单元603,用于:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
图7为本发明实施例提供的一种电子设备的结构示意图;如图7所示,本发明实施例中该电子设备90包括:处理器91、显示器92、存储器93、输入设备96、总线95和通讯设备94;该处理器91、存储器93、输入设备96、显示器92和通讯设备94均通过总线95连接,该总线95用于该处理器91、存储器93、显示器92、通讯设备94和输入设备96之间传输数据。
其中,存储器93可用于存储软件程序以及模块,如本发明实施例中的基于知识图谱的目标推荐方法对应的程序指令/模块,处理器91通过运行存储在存储器93中的软件程序以及模块,从而执行电子设备90的各种功能应用以及数据处理,如本发明实施例提供的基于知识图谱的目标推荐方法。存储器93可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个应用的应用程序等;存储数据区可存储根据电子设备90的使用所创建的数据(比如训练样本、特征提取网络)等。此外,存储器93可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器91是电子设备90的控制中心,利用总线95以及各种接口和线路连接整个电子设备90的各个部分,通过运行或执行存储在存储器93内的软件程序和/或模块,以及调用存储在存储器93内的数据,执行电子设备90的各种功能和处理数据。可选的,处理器91可包括一个或多个处理单元,如CPU、GPU(Graphics Processing Unit,图形处理单元)、数字处理单元等。
本发明实施例中,处理器91将分割的图像通过显示器92展示给用户。
该输入设备96主要用于获得用户的输入操作,当该电子设备不同时,该输入设备96也可能不同。例如,当该电子设备为计算机时,该输入设备96可以为鼠标、键盘等输入设备;当该电子设备为智能手机、平板电脑等便携设备时,该输入设备96可以为触控屏。
本发明实施例还提供了一种计算机存储介质,该计算机存储介质中存储有计算机可执行指令,该计算机可执行指令用于实现本发明任一实施例所述的基于知识图谱的目标推荐方法。
在一些可能的实施方式中,本发明提供的基于知识图谱的目标推荐方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在计算机设备上运行时,所述程序代码用于使所述计算机设备执行本说明书上述描述的根据本发明各种示例性实施方式的基于知识图谱的目标推荐方法的步骤,例如,所述计算机设备可以执行如图2所示的步骤S201~S203中的商户推荐流程。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (14)
1.一种基于知识图谱的目标推荐方法,其特征在于,所述方法包括:
确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;
根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;
根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
2.根据权利要求1所述的方法,其特征在于,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
3.根据权利要求1所述的方法,其特征在于,所述确定匹配对象,以及所述匹配对象对应的知识图谱,包括:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
4.根据权利要求1所述的方法,其特征在于,N=2,所述知识图谱中的第一级节点与对象类目相对应。
5.根据权利要求4所述的方法,其特征在于,根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
6.根据权利要求5所述的方法,其特征在于,所述根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度,包括:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
7.一种基于知识图谱的目标推荐装置,其特征在于,所述装置包括:
确定单元,用于确定匹配对象,以及所述匹配对象对应的知识图谱;所述知识图谱包括N级节点,其中每一个第N级节点对应一个对象,所述匹配对象对应所述知识图谱中的任一第N级节点,节点与节点之间存在关联关系,N为大于1的整数;
匹配单元,用于根据所述匹配对象与所述知识图谱中其余节点之间的关联关系,确定所述匹配对象与第N级节点中其余节点之间的匹配度;所述匹配对象与所述知识图谱中其余节点之间的关联关系包括所述知识图谱中同一级节点之间的关联关系以及不同级节点之间的关联关系;
推荐单元,用于根据匹配度,从所述第N级节点对应的对象中选择目标对象进行推荐。
8.根据权利要求7所述的装置,其特征在于,所述确定单元,具体用于:
获取用户信息,所述用户信息中包含所述用户对应的推荐类别;
根据获取的用户信息确定用户特征,并确定所述用户对应的推荐类别中包含的对象,以及每一个对象的个体特征;
确定用户特征与每一个对象的个体特征之间的相似度;
将相似度最高的对象作为所述用户的匹配对象,确定所述匹配对象对应的知识图谱。
9.根据权利要求7所述的装置,其特征在于,所述确定单元,具体用于:
接收推荐请求,所述推荐请求中至少包括对象标识;
根据所述对象标识,确定所述匹配对象,以及所述匹配对象对应的知识图谱。
10.根据权利要求7所述的装置,其特征在于,N=2,所述知识图谱中的第一级节点与对象类目相对应。
11.根据权利要求10所述的装置,其特征在于,还包括生成单元,用于根据以下方法生成所述知识图谱:
获取对象信息,根据对象信息确定对象特征以及对象所属的分类类目;
将每一个分类类目作为所述知识图谱中的一个第一级节点,确定任意两个第一级节点之间的关联关系;
针对每一个第一级节点,根据属于所述第一级节点的对象特征,确定所述第一级节点对应的第一类二级节点,以及所述第一级节点与每一个第一类二级节点之间的关联关系,并将属于所述第一级节点的其余对象作为所述第一级节点对应的第二类二级节点;所述第一类二级节点与所述第一级节点之间存在关联关系,所述第二类二级节点与所述第一级节点之间存在连接关系;
确定所述知识图谱中任意两个第二级节点之间的相似度,并根据相似度确定任意两个第二级节点之间的关联关系。
12.根据权利要求11所述的装置,其特征在于,所述匹配单元,用于:
针对除所述匹配商户外的任一第二级节点,根据所述匹配商户与所述第二级节点之间的最短路径,确定所述匹配商户与所述第二级节点之间的相似度;
确定所述匹配商户所属的第一级节点,以及所述第二级节点所属的第一级节点;
根据第一级节点之间的关联关系、所述匹配商户与所属的第一级节点之间的关联关系、所述第二级节点与所属的第一级节点之间的关联关系,确定所述匹配商户与所述第二级节点之间的关联关系;
根据所述匹配商户与所述第二级节点之间的相似度以及关联关系,确定所述匹配商户与所述第二级节点之间的匹配度。
13.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~6任一权利要求所述方法的步骤。
14.一种计算机可读存储介质,其特征在于,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行权利要求1~6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011045704.2A CN112182386B (zh) | 2020-09-29 | 2020-09-29 | 一种基于知识图谱的目标推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011045704.2A CN112182386B (zh) | 2020-09-29 | 2020-09-29 | 一种基于知识图谱的目标推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182386A true CN112182386A (zh) | 2021-01-05 |
CN112182386B CN112182386B (zh) | 2023-12-05 |
Family
ID=73945649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011045704.2A Active CN112182386B (zh) | 2020-09-29 | 2020-09-29 | 一种基于知识图谱的目标推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182386B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656709A (zh) * | 2021-08-24 | 2021-11-16 | 东北大学 | 一种融合知识图谱和时序特征的可解释兴趣点推荐方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902538A (zh) * | 2012-12-25 | 2014-07-02 | 中国银联股份有限公司 | 基于决策树的信息推荐装置及方法 |
JP2014191501A (ja) * | 2013-03-26 | 2014-10-06 | Dainippon Printing Co Ltd | 情報推薦装置、推薦情報決定方法、推薦情報決定プログラム、及び情報推薦プログラム |
US20170255621A1 (en) * | 2016-03-04 | 2017-09-07 | Linkedln Corporation | Determining key concepts in documents based on a universal concept graph |
US20180144056A1 (en) * | 2013-03-08 | 2018-05-24 | Google Llc | Content item audience selection |
US20190018904A1 (en) * | 2017-07-14 | 2019-01-17 | Phylot Inc. | Method and system for identifying and discovering relationships between disparate datasets from multiple sources |
CN109658208A (zh) * | 2019-01-15 | 2019-04-19 | 京东方科技集团股份有限公司 | 药品的推荐方法、装置、介质和电子设备 |
CN109816482A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 电商平台的知识图谱构建方法、装置、设备及存储介质 |
KR20190061130A (ko) * | 2017-11-27 | 2019-06-05 | 서울대학교산학협력단 | 소셜 네트워크 정보와 레이팅 정보를 활용한 설명가능하고 정확한 추천 방법 및 추천 시스템 |
CN111046188A (zh) * | 2019-11-15 | 2020-04-21 | 北京三快在线科技有限公司 | 用户偏好度确定方法、装置、电子设备及可读存储介质 |
US20200233860A1 (en) * | 2019-01-22 | 2020-07-23 | International Business Machines Corporation | Querying knowledge graph databases |
-
2020
- 2020-09-29 CN CN202011045704.2A patent/CN112182386B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902538A (zh) * | 2012-12-25 | 2014-07-02 | 中国银联股份有限公司 | 基于决策树的信息推荐装置及方法 |
US20180144056A1 (en) * | 2013-03-08 | 2018-05-24 | Google Llc | Content item audience selection |
JP2014191501A (ja) * | 2013-03-26 | 2014-10-06 | Dainippon Printing Co Ltd | 情報推薦装置、推薦情報決定方法、推薦情報決定プログラム、及び情報推薦プログラム |
US20170255621A1 (en) * | 2016-03-04 | 2017-09-07 | Linkedln Corporation | Determining key concepts in documents based on a universal concept graph |
US20190018904A1 (en) * | 2017-07-14 | 2019-01-17 | Phylot Inc. | Method and system for identifying and discovering relationships between disparate datasets from multiple sources |
KR20190061130A (ko) * | 2017-11-27 | 2019-06-05 | 서울대학교산학협력단 | 소셜 네트워크 정보와 레이팅 정보를 활용한 설명가능하고 정확한 추천 방법 및 추천 시스템 |
CN109816482A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 电商平台的知识图谱构建方法、装置、设备及存储介质 |
CN109658208A (zh) * | 2019-01-15 | 2019-04-19 | 京东方科技集团股份有限公司 | 药品的推荐方法、装置、介质和电子设备 |
US20200233860A1 (en) * | 2019-01-22 | 2020-07-23 | International Business Machines Corporation | Querying knowledge graph databases |
CN111046188A (zh) * | 2019-11-15 | 2020-04-21 | 北京三快在线科技有限公司 | 用户偏好度确定方法、装置、电子设备及可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113656709A (zh) * | 2021-08-24 | 2021-11-16 | 东北大学 | 一种融合知识图谱和时序特征的可解释兴趣点推荐方法 |
CN113656709B (zh) * | 2021-08-24 | 2023-07-25 | 东北大学 | 一种融合知识图谱和时序特征的可解释兴趣点推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112182386B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11836780B2 (en) | Recommendations based upon explicit user similarity | |
CN109522483B (zh) | 用于推送信息的方法和装置 | |
CN108205768B (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
US8655949B2 (en) | Correlated information recommendation | |
KR20200123015A (ko) | 정보를 추천하는 방법, 장치, 기기 및 저장 매체 | |
US20120221411A1 (en) | Apparatus and methods for determining user intent and providing targeted content according to intent | |
US20190251643A1 (en) | Inference Model for Traveler Classification | |
US20120054042A1 (en) | Id-value assessment device, id-value assessment system, and id-value assessment method | |
WO2018126740A1 (zh) | 用于推送信息的方法和装置 | |
CN109783741A (zh) | 用于推送信息的方法和装置 | |
WO2020215977A1 (zh) | 用于展示信息的系统、方法及装置 | |
CN110750697B (zh) | 商户分类方法、装置、设备及存储介质 | |
US20170142119A1 (en) | Method for creating group user profile, electronic device, and non-transitory computer-readable storage medium | |
CN108932625A (zh) | 用户行为数据的分析方法、装置、介质和电子设备 | |
CN114969566B (zh) | 一种距离度量的政务服务事项协同过滤推荐方法 | |
WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
CN112182386B (zh) | 一种基于知识图谱的目标推荐方法及装置 | |
US20090198552A1 (en) | System and process for identifying users for which cooperative electronic advertising is relevant | |
US20230245210A1 (en) | Knowledge graph-based information recommendation | |
US20120265588A1 (en) | System and method for recommending new connections in an advertising exchange | |
CN115249140A (zh) | 用于放置库存物品的智能计算机功能及可视化 | |
CN111222918B (zh) | 关键词挖掘方法、装置、电子设备及存储介质 | |
CN113792952A (zh) | 用于生成模型的方法和装置 | |
CN109583922B (zh) | 分析购买需求的方法和装置 | |
WO2009097457A1 (en) | System and process for generating a selection model for use in personalized non-competitive advertising |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |