CN113190593A - 一种基于数字人文知识图谱的搜索推荐方法 - Google Patents

Abstract

本发明公开了一种基于数字人文知识图谱的搜索推荐方法，包括以下步骤：构建数字人文知识图谱；设置搜索属性并创建索引，搜索实体；推荐和用户所选择的实体为同类型的相似实体；根据用户的搜索记录用RippleNet模型训练数据，模拟出用户在知识图谱上的兴趣传播途径，将预测值较高的实体作为用户的推荐实体；将推荐的同类型实体、学习用户的搜索记录预测出的用户可能感兴趣的实体返回给用户。

Description

一种基于数字人文知识图谱的搜索推荐方法

技术领域

本发明涉及自然语言和计算机信息处理技术领域，尤其涉及一种基于数字人文知识图谱的搜索推荐方法。

背景技术

现有中华文化是中华民族千年来得以延续的精神血脉，数字人文将古老的中华文化与现代信息技术相结合，为文化历史研究提供新方法、新思路，弘扬具有当代价值的文化精神，成为人文科学的研究趋势。而知识图谱作为展示复杂知识领域的可视化工具，结合数据挖掘、信息处理等技术，能为学科研究提供高质量、多维度的参考信息，在众多领域有着越来越广泛的应用。在数字人文系统中，当用户想要了解人文相关知识时，在搜索用户的目标知识点的同时，借助知识图谱及相关推荐算法，推荐出用户可能感兴趣的其他内容，能帮助用户获取更多的人文知识，并在脑海中建立联系，加深印象，也有助于专业的研究人员扩展思维，发现新的研究方向。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于数字人文知识图谱的搜索推荐方法，该方法阐述了数字人文知识图谱构建、搜索、推荐三个阶段的实现流程，为数字人文知识图谱的应用提供思路。

本发明的目的通过以下的技术方案来实现：

一种基于数字人文知识图谱的搜索推荐方法，包括：

步骤A构建数字人文知识图谱；

步骤B设置搜索属性并创建索引，搜索实体；

步骤C推荐和用户所选择的实体为同类型的相似实体；

步骤D根据用户的搜索记录用RippleNet模型训练数据，模拟出用户在知识图谱上的兴趣传播途径，将预测值较高的实体作为用户的推荐实体；

步骤E将推荐的同类型实体、学习用户的搜索记录预测出的用户可能感兴趣的实体返回给用户。

与现有技术相比，本发明的一个或多个实施例可以具有如下优点：

可以为数字人文领域的图谱构建、实体搜索、相关实体推荐提供参考，促进历史文化研究的数字化、智能化发展。

附图说明

图1是基于数字人文知识图谱的搜索推荐方法流程图；

图2和图3分别是数字人文人物实体数据图表；

图4是数字人文事件实体数据图表；

图5是实现搜索的主要Cypher语句图表。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合实施例及附图对本发明作进一步详细的描述。

本实施例的主要技术核心在于知识图谱框架中定义了数字人文领域中的主要实体类型和关系，数据来源可靠，构建出的数字人文知识图谱能够满足用户的需求；实体搜索过程考虑同义词搜索，将精确搜索和模糊搜索相结合，并有较高的搜索效率；实体推荐将同类型相似实体推荐、用户历史搜索记录分析出的用户可能感兴趣的实体推荐两个方面相结合，丰富了推荐结果的多样性，两种推荐分别用路径分析、RippleNet算法实现。

如图1所示，为基于数字人文知识图谱的搜索推荐方法流程，包括以下步骤：

步骤1构建数字人文知识图谱；

首先定义数字人文知识图谱的框架，包括实体和关系类型，分析数字人文领域的研究方向，将图谱中涉及到的实体分为人物、事件、地区、官职、朝代等五大类，不同类的实体间存在双向关系，关系名定义为关系指向实体的类型，特别地，人物实体之前也会存在关系，主要分为亲属关系和非亲属关系。如表1为数字人文知识图谱的实体结构表：

本实施例定义的部分关系属性如下，除下表所述，人物实体之间也会存在关系，主要分为亲属关系和社会关系如表2所示：

表2

依托开源资料历代人物传记资料库(CBDB)、知网所收录的两千万工具书词条等数据，抽取所需信息，整理得到五大实体表，及实体关系表，存入MySQL数据库，如图2、图3和图4分别为人物实体表、事件实体表、人物事件关系表。

根据上述图谱框架和数据，用Neo4j高性能NoSQL图形数据库构建数字人文知识图谱；整理的实体及关系数据用Neo4j构建数字人文知识图谱，约有63万个实体节点，287万条关系。

步骤2设置搜索属性并创建索引，搜索实体；

在历史数据中，人物、事件、官职等存在别名的情况很常见，在搜索实体时考虑别名会给用户带来更好的使用体验，但是人物的别名可能包括字、号、封号、谥号等多个属性字段，需要对多字段创建索引；而且实体量巨大，若想用模糊搜索扩展搜索结果，将会大大降低搜索性能。

基于以上特点，设计如下创建索引方法：

1)将实体词、实体词的同义词(包括搜索人物的字、号、别名，事件的别称等)组合成一个新的实体属性，用于搜索即将实体名和实体的所有别名合为一个字段用于搜索，用分隔符“；”分隔。

2)对该搜索字段在Neo4j中建立显示索引，显示索引解决了模式索引不支持模糊搜索和全文搜索的问题，能够支持利用Neo4j中的文本搜索来查找节点，语法规则同Lucene，将显著提高节点的搜索效率。

3)搜索时采用Luence搜索语法规则优先精确搜索，若搜索不到再模糊匹配搜索结果，列出搜索结果供用户选择。

创建索引及使用索引搜索(以“李白”为例)的Cypher语句如图5所示。

步骤3推荐和用户所选择的实体为同类型的相似实体；

在用户选择特定的实体(以下称为中心实体)后，推荐算法首先推荐与中心实体同类型的实体，可以满足针对某一类型的实体的关联性发现研究，推荐算法主要步骤为：

1)获取距离已选实体k跳以内的同类型实体，通常k选择数值3，即选择知识图谱中距离中心实体小于等于k跳的同类型实体，为候选实体；

2)分析这些实体与已选实体的路径计算两个实体间的关联度大小，发现与已选实体路径长度短、路径数量多的实体即采用路径搜索算法，对每个候选实体，分析其与中心实体在图谱中的可能路径，并计算候选实体与中心实体的关联性，其计算公式为：：

其中，n为路径的总数，m为第i条路径上除去源节点和目标节点的节点数目，w_ij为第i条路径中第j个节点的权重值，权重值与节点的类型相关，具体取值在表1中给出。根据此公式，两节点之间的路径越短，路径数量越多，节点的关联性越大；

3)根据2)中计算的关联性，推荐关联度较高的实体为用户可能感兴趣的同类型实体。

其中，k取值越大将会发散越多的关联实体，但是计算的复杂度会同步增加，一般取3即可。

步骤4根据用户的搜索记录用RippleNet模型训练数据，模拟出用户在知识图谱上的兴趣传播途径，将预测值较高的实体作为用户的推荐实体；

推荐的实体不限制实体类型，丰富了推荐项目的多样性，有助于发现用户感兴趣的某一类专题研究。这一步的推荐采用RippleNet算法，算法中用ripple(波纹)模拟用户的兴趣传播过程，可以很好地解决传统协同过滤推荐算法无法解决的冷启动、关系矩阵稀疏等问题。RippleNet算法的框架阐述如下：

1)将用户的搜索记录构建初始的实体集，生成训练数据即收集用户的所有搜索过的实体item作为seed集合，以seed为基础构建训练数据，包括正例(seed中的item，概率为1)、负例(随机选择seed外的item，概率为0)；

2)初始化实体item、关系relation的嵌入层；

3)在知识图谱上将初始实体集在知识图谱中向外扩展一跳，(需要设置最大长度，避免数据过大)，构建用户的一次兴趣传播Ripple Set，网络中的三元组用(h，r，t)表示，得到用户兴趣经第一轮扩散后的结果；

用下式计算实体itemv与(h，r)的归一化相似度：

其中，

为v的1跳波纹集合，R_i和h_i分别是关系r_i和头实体h_i的嵌入向量，用相似度p_i对t加权求和，如下式计算，得到这一层的输出o，向量

可以看出用户的历史点击对itemv的一阶段响应。

4)将第一层的Ripple Set的t作为第二层的h，取出第二层的Ripple Set，重复上一阶段过程，将第二层Ripple Set的相似度加权和作为输出

5)重复上述过程H次后，将每一轮的计算结果累加，得到能表示用户兴趣的嵌入向量，与实体item向量计算内积后归一化计算出用户对item的点击概率；最终的用户嵌入向量表示公式为：

此时，可以计算出实体itemv的用户点击率的预测值为：

上述即为RippleNet模型的主要框架，下面定义模型训练时的优化的损失函数，包括真实的y与RippleNet预测值

之间的交叉熵损失，重建的指标矩阵与真实数据的误差，以及正则项：

公式中，头实体h和尾实体t用E矩阵统一表示。

通过不断迭代更新Embedding，最小化上面的损失函数，最终得到预测用户兴趣的RippleNet模型并进行预测，输出预测值较高的实体为用户的推荐实体。

考虑预测值和真实值的交叉熵损失、正则项等损失函数，不断优化模型参数，最终得到RippleNet模型并进行预测，输出预测值较高的实体为用户的推荐实体。

步骤5将推荐的同类型实体、学习用户的搜索记录预测出的用户可能感兴趣的实体返回给用户。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (7)

1.一种基于数字人文知识图谱的搜索推荐方法，其特征在于，所述方法包括以下步骤：

步骤A构建数字人文知识图谱；

步骤B设置搜索属性并创建索引，搜索实体；

步骤C推荐和用户所选择的实体为同类型的相似实体；

步骤D根据用户的搜索记录用RippleNet模型训练数据，模拟出用户在知识图谱上的兴趣传播途径，将预测值较高的实体作为用户的推荐实体；

步骤E将推荐的同类型实体、学习用户的搜索记录预测出的用户可能感兴趣的实体返回给用户。

2.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤A包括：

定义数字人文知识图谱框架，分析数字人文领域的研究方向，将图谱中涉及的实体进行分类；

通过资料库数据抽取所需信息，并整理得到分类实体表及实体关系表，存入数据库；

根据图谱框架和数据，通过图形数据库构建数字人文知识图谱。

3.如权利要求2所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，图谱中涉及的实体包括人物、事件、地区、官职、朝代五大类。

4.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤C中通过推荐算法推荐与用户选择的实体即中心实体同类型的实体；所述推荐算法具体包括：

1)选择知识图谱中距离中心实体小于等于k跳的同类型实体，为候选实体；

2)采用路径搜索算法，对每个候选实体，分析其与中心实体在图谱中的可能路径，并计算候选实体与中心实体的关联性，计算公式为：

其中，n为路径的总数，m为第i条路径上除去源节点和目标节点的节点数目，w_ij为第i条路径中第j个节点的权重值，权重值与节点的类型相关，由上述公式可知两节点之间的路径越短，路径数量越多，节点的关联性越大；

3)根据上述2)中计算的关联性，推荐关联度较高的实体为用户可能感兴趣的同类型实体。

5.如权利要求1所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述步骤D具体包括：

1)将用户的搜索记录构建初始的实体集，生成训练数据；

2)初始化算法模块中嵌入层；

3)将初始实体集在知识图谱中向外扩展一层，计算一个实体item与初始实体、关系内积的相似度，相似度和目标实体加权求和，得到用户兴趣经第一轮扩散后的结果；

4)将第一轮的尾节点作为头节点，再向外扩展一跳，按照同样的方法，得到兴趣第二轮扩散的结果；

5)扩散多次后，将每一轮的计算结果累加，得到能表示用户兴趣的嵌入向量，与实体item向量计算内积后归一化计算出用户对item的点击概率。

6.如权利要求5所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述3)中相似度通过计算实体item v与图谱三元组中初始实体、关系(h，r)内积的相似度并归一化得到，计算公式为：

其中，v为待预测点击率的实体item的嵌入向量，

为v的1跳波纹集合，R_i和h_i分别是关系r_i和头实体h_i的嵌入向量，用相似度p_i对t加权求和，如下式计算，得到这一层的输出o，向量

可以看出用户的历史点击对itemv的一阶段响应，其中：

7.如权利要求5所述的基于数字人文知识图谱的搜索推荐方法，其特征在于，所述5)具体包括：重复1)到4)过程H次后，将多次兴趣扩散得到的表示相加得到最终的用户嵌入向量表示：

此时，可以计算出实体itemv的用户点击率的预测值为：

上述即为RippleNet模型的主要框架，下面定义模型训练时的优化的损失函数，包括真实的y与RippleNet预测值

之间的交叉熵损失，重建的指标矩阵与真实数据的误差，以及正则项：

公式中，头实体h和尾实体t用E矩阵统一表示。

Images