一种基于知识图谱的车主信息服务智能化推荐方法及系统与流程

1.本发明涉及计算机应用技术领域，具体为一种基于知识图谱的车主信息服务智能化推荐方法及系统。


背景技术：

2.在客户与智能客服机器的全自动对话流程中，可能会存在智能客服机器无法回答或回复答案无法全面解决客户问题的情况。在该情况下，精确预测客户咨询的意图和延伸兴趣点，预测客户可能还想咨询的问题需求，进而给客户推荐优质的知识或服务，能够有效减少客户的主动问询，缓解人工客服的工作压力，从而更好更全面的解决客户咨询类问题，提升公司客户的满意度、体验感，并促进客户成单。
3.在车主信息服务智能客服知识推荐场景中，通常采用文本匹配方法，通过对用户提出的问题与候选知识库的文本进行匹配，得到高匹配度的知识，并进行知识推荐。文本匹配方法的本质是通过对文本间相似性的学习，得到与用户咨询问题相近的问题或答案，但并不能有效预测用户在该问题之后还想追问的问题或还想获取的知识，同时，在用户提出的问题不够清晰的场景下，存在无法匹配到有效知识的情况。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种基于知识图谱的车主信息服务智能化推荐方法及系统。
5.为了解决上述技术问题，本发明的技术方案为：
6.一种基于知识图谱的车主信息服务智能化推荐方法，包括以下步骤：
7.s1：根据客户特征信息构建客户知识图谱，根据车主信息服务产品特征信息构建产品知识图谱；
8.s2：根据客户知识图谱建立客户偏好特征向量；
9.s3：若目标用户的类型为活跃用户，则根据目标用户在第一预设时间段内的交互行为数据，并基于用户协同过滤推荐方式获取个性化的推荐结果；以及，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取个性化的推荐结果；
10.s4：确定客户偏好向量表示对应的产品与客户持有车主信息服务产品之间的相似度为客户偏好相似度；
11.s5：确定客户偏好向量表示对应的产品与客户持有车主信息服务产品之间的相似度为客户偏好相似度；
12.s6：根据用户的历史行为，学习用户喜好向量，并基于用户客户偏好特征向量计算候选产品的推荐度，基于推荐度确定推荐车主信息服务产品列表并向用户进行推送；
13.s7：根据客户偏好相似度和客户产品相似度确定目标产品相似度，根据目标产品相似度推送目标产品列表。
14.进一步的，所述知识图谱是预先构建的存储有指定领域内知识和实体之间关系的结构化的图谱信息。
15.进一步的，s2步骤中具体包括以下步骤：
16.(1)通过资源描述框架(resourcedescriptionframework，rdf)从所述客户知识图谱中提取资源描述框架特征数据；
17.(2)根据所述资源描述框架特征数据获取所述客户知识图谱正例三元组。
18.(3)根据所述客户知识图谱正例三元组和预设的关系抽取模型transr模型建立知识表示模型；
19.(4)根据所述客户知识图谱正例三元组生成客户知识图谱负例三元组；
20.(5)根据所述知识表示模型训练所述客户知识图谱正例三元组和所述客户知识图谱负例三元组，获得客户偏好特征向量。。
21.进一步的，个性化的推荐结果包括：目标用户的最近邻用户对应的文本信息以及与所述目标用户的偏好实体匹配的文本信息。
22.进一步的，s3步骤中，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取个性化的推荐结果，具体包括：
23.k1：针对目标用户在第一预设时间段内的交互行为数据，获取交互行为数据中所有信息项，以及所有信息项的实体集合；针对待推荐项中的所有文本信息，获取每一文本信息的实体集合；
24.k2：针对所有信息项的实体集合和每一文本信息的实体集合，基于所述知识图谱获取各实体集合中每一实体的关联实体，得到所有信息项的关联实体集；以及获取每一文本信息的关联实体集合；
25.其中，每一实体的关联实体包括：所述知识图谱中的一跳关联实体，与一跳关联实体属于同类型的二跳关联实体，以及一跳关联实体的别称实体，选中的二跳关联实体的别称实体；
26.k3：对所有信息项的关联实体集合进行过滤，获得所述目标用户的所有信息项的偏好实体集合；对每一文本信息的关联实体集合进行过滤，获得待推荐的每一文本信息的待匹配实体集合；
27.k4：将所述偏好实体集合和每一文本信息的待匹配实体集合进行匹配，获得用于作为个性化的推荐结果的文本信息。
28.进一步的，s6步骤中，客户偏好特征向量：是对用户的历史行为进行向量表示，基于一段时间内或一定数量的用户历史行为的向量表示建立用户历史行为矩阵表示，并记作矩阵h；基于预设的用于向量表示的激活函数(activationfunction)，得到每条历史行为的用户向量表示，再通过计算得到用户历史行为之间的相似度，基于当前用户的所有历史行为之间的相似度得到用户历史行为的相似矩阵s，基于此相似矩阵s和用户历史行为矩阵h的矩阵乘积sh则可得到用户的兴趣表达，再基于预设筛选规则，从得到的多条兴趣表达中筛选部分兴趣表达得到用户偏好向量，即基于筛选出的所有兴趣表达的均值向量得到用户偏好向量。
29.进一步的，步骤s6具体包括：
30.(1)根据所述车主信息服务产品知识图谱确定产品稠密向量、各产品与客户持有
产品之间的产品直接关系相似度和产品间接关系相似度；
31.(2)根据所述车主信息服务产品稠密向量、所述产品直接关系相似度和所述产品间接关系相似度确定所述客户产品相似度。。
32.本发明还提供了一种基于知识图谱的车主信息服务智能化推荐系统，包括：存储器和处理器，所述处理器用于执行存储器中存储的计算机程序，以实现执行上述基于知识图谱的车主信息服务智能推荐方法的步骤
33.与现有技术相比，本发明具备以下有益效果：
34.1、该一种基于知识图谱的车主信息服务智能化推荐方法及系统，通过基于知识图谱推荐内容方式进行文本信息推荐，获取兼顾最近邻用户的信息，同时兼顾目标用户偏好实体的信息的推荐结果，进而推荐结果更准确且多样化，实现了快速精准推送文本信息的目的。
35.2、该一种基于知识图谱的车主信息服务智能化推荐方法及系统，通过根据客户特征信息构建的客户知识图谱获得客户偏好向量表示以确定客户偏好相似度，根据产品特征信息构建的产品知识图谱确定客户产品相似度，根据客户偏好相似度和客户产品相似度确定目标产品相似度以推送目标产品，可以为客户精准推荐产品或服务，从而向客户提供个性化服务，激活客户活跃度，提升成单率。
附图说明
36.图1为本发明流程示意图。
具体实施方式
37.下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
38.如图1所示，本发明提供了一种基于知识图谱的智能化推荐方法，包括以下步骤：
39.s1：根据客户特征信息构建客户知识图谱，根据车主信息服务产品特征信息构建产品知识图谱；
40.s2：根据客户知识图谱获得客户偏好的向量表示；
41.s3：若目标用户的类型为活跃用户，则根据目标用户在第一预设时间段内的交互行为数据，并基于协同过滤方法获取用户个性化的推荐结果；以及，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取用户个性化的推荐结果；
42.s4：确定客户偏好向量表示对应的产品与客户持有产品之间的相似度为客户偏好相似度；
43.s5：根据产品知识图谱确定各产品与客户持有产品之间的相似度为客户产品相似度；
44.s6：根据用户的历史行为，学习用户偏好向量，并基于用户偏好向量计算候选产品的推荐度，基于推荐度确定推荐产品列表并向用户进行推送；
45.s7：根据客户偏好相似度和客户产品相似度确定目标产品相似度，根据目标产品
相似度推送目标产品。
46.在本发明实施例中，知识图谱是预先构建的存储有指定领域内知识和实体之间关系的结构化的图谱信息。
47.在本发明实施例中，客户知识图谱获得客户偏好向量表示包括：
48.根据客户知识图谱获取客户知识图谱正例三元组；
49.根据客户知识图谱正例三元组获得客户偏好向量表示；
50.其中：客户知识图谱正例三元组获得客户偏好向量表示包括：
51.根据客户知识图谱正例三元组和预设的transr模型建立知识表示模型；
52.根据客户知识图谱正例三元组生成客户知识图谱负例三元组；
53.根据知识表示模型训练客户知识图谱正例三元组和客户知识图谱负例三元组，获得客户偏好向量表示；
54.客户知识图谱获取客户知识图谱正例三元组包括：
55.通过资源描述框架从客户知识图谱中提取资源描述框架特征数据；
56.根据资源描述框架特征数据获取客户知识图谱正例三元组。
57.在本发明实施例中，个性化的推荐结果包括：目标用户的最近邻用户对应的文本信息和与目标用户的偏好实体匹配的文本信息。
58.在本发明实施例中，s3中，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取个性化的推荐结果，包括：
59.k1：针对目标用户在第一预设时间段内的交互行为数据，获取交互行为数据中所有信息项，以及所有信息项的实体集合；针对待推荐项中的所有文本信息，获取每一文本信息的实体集合；
60.k2：针对所有信息项的实体集合和每一文本信息的实体集合，基于知识图谱获取各实体集合中每一实体的关联实体，得到所有信息项的关联实体集合；以及获取每一文本信息的关联实体集合；
61.其中，每一实体的关联实体包括：知识图谱中的一跳关联实体，与一跳关联实体属于同类型的二跳关联实体，以及一跳关联实体的别称实体，选中的二跳关联实体的别称实体；
62.k3：对所有信息项的关联实体集合进行过滤，获得目标用户的所有信息项的偏好实体集合；对每一文本信息的关联实体集合进行过滤，获得待推荐的每一文本信息的待匹配实体集合；
63.k4：将偏好实体集合和每一文本信息的待匹配实体集合进行匹配，获得用于作为个性化的推荐结果的文本信息。
64.在本发明实施例中，s6中，用户喜好向量为：对用户的历史行为进行向量表示，基于一段时间内或一定数量的用户历史行为的向量表示得到用户历史行为矩阵h；基于预设的用于向量表示的激活函数，得到每条历史行为的用户向量表示，再计算用户历史行为之间的相似度，基于当前用户的所有历史行为之间的相似度得到用户历史行为的相似矩阵，基于相似矩阵s和用户历史行为矩阵h的矩阵乘积得到用户的兴趣表达，再基于预设筛选规则，从得到的多条兴趣表达中筛选部分兴趣表达得到用户偏好向量，即基于筛选出的所有兴趣表达的均值向量得到用户偏好向量。
65.具体的，历史行为之间的相似度的计算公式为：
66.上述计算公式中，q和k分别表示同一用户的两个不同历史行为对应的用户向量表示，softmax()表示softmax函数，上标t表示向量转置，d表示向量维度；定义符号a表示某个用户向量表示，则向量a计算公式为：
67.a＝relu(hwa)
68.其中，relu()表示采用的激活函数(rectifiedlinearunit，relu)，wa表示维度为d
×
d的权重矩阵，h为用户历史行为矩阵。
69.在本发明实施例中，产品知识图谱确定各产品与客户持有产品之间的相似度为客户产品相似度包括：
70.根据产品知识图谱确定产品稠密向量、各产品与客户持有产品之间的产品直接关系相似度和产品间接关系相似度；
71.根据产品稠密向量、产品直接关系相似度和产品间接关系相似度确定客户产品相似度。
72.进一步的，在本发明实施例中，根据产品知识图谱确定产品稠密向量包括：
73.利用预设的transr模型将产品知识图谱映射到连续向量空间获得产品稠密向量。
74.一种基于知识图谱的车主信息服务智能化推荐系统，包括：存储器和处理器，处理器用于执行存储器中存储的基于知识图谱的车主信息服务智能化推荐系统程序。
75.以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

技术特征：
1.一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，包括以下步骤：s1：根据客户特征信息构建客户知识图谱，根据车主信息服务产品特征构建产品知识图谱；s2：根据客户知识图谱建立客户偏好特征向量；s3：若目标用户的类型为活跃用户，则根据目标用户在第一预设时间段内的交互行为数据，并基于用户协同过滤推荐方式获取个性化的推荐结果；以及，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取个性化的推荐结果；s4：确定客户偏好向量表示对应的产品与客户持有车主信息服务产品之间的相似度为客户偏好相似度；s5：根据车主信息服务产品知识图谱确定各产品与客户持有车主信息服务产品之间的相似度为客户产品相似度；s6：根据用户的历史行为，学习用户喜好向量，并基于用户客户偏好特征向量计算候选产品的推荐度，基于推荐度确定推荐车主信息服务产品列表并向用户进行推送；s7：根据客户偏好相似度和客户产品相似度确定目标产品相似度，根据目标产品相似度推送目标产品列表。2.根据权利要求1所述的一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，s2步骤中具体包括以下步骤：(1)通过资源描述框架(resourcedescriptionframework，rdf)从所述客户知识图谱中提取资源描述框架特征数据；(2)根据所述资源描述框架特征数据获取所述客户知识图谱正例三元组。(3)根据所述客户知识图谱正例三元组和预设的关系抽取模型transr模型建立知识表示模型；(4)根据所述客户知识图谱正例三元组生成客户知识图谱负例三元组；(5)根据所述知识表示模型训练所述客户知识图谱正例三元组和所述客户知识图谱负例三元组，获得客户偏好特征向量。3.根据权利要求1所述的一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，所述个性化的推荐结果包括：所述目标用户的最近邻用户对应的文本信息以及与所述目标用户的偏好实体匹配的文本信息。4.根据根据权利要求1所述的一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，s3步骤中，根据目标用户在第一预设时间段内的交互行为数据和待推荐项，基于知识图谱推荐内容方式获取个性化的推荐结果，具体包括：k1：针对目标用户在第一预设时间段内的交互行为数据，获取交互行为数据中所有信息项，以及所有信息项的实体集合；针对待推荐项中的所有文本信息，获取每一文本信息的实体集合；k2：针对所有信息项的实体集合和每一文本信息的实体集合，基于所述知识图谱获取各实体集合中每一实体的关联实体，得到所有信息项的关联实体集合；以及获取每一文本信息的关联实体集合；其中，每一实体的关联实体包括：所述知识图谱中的一跳关联实体，与一跳关联实体属
于同类型的二跳关联实体，以及一跳关联实体的别称实体，选中的二跳关联实体的别称实体；k3：对所有信息项的关联实体集进行过滤，获得所述目标用户的所有信息项的偏好实体集；对每一文本信息的关联实体集进行过滤，获得待推荐的每一文本信息的待匹配实体集合；k4：将所述偏好实体集合和每一文本信息的待匹配实体集合进行匹配，获得用于作为个性化的推荐结果的文本信息。5.根据权利要求1所述的一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，s6步骤中，客户偏好特征向量：对用户的历史行为建立向量表示，构建特征向量，基于一段时间内或一定数量的用户历史行为的向量建立行为矩阵表示，并记作用户历史行为矩阵h；基于预设的用于向量表示的激活函数，得到每条历史行为的用户向量表示，计算出用户历史行为之间的相似度，基于当前用户的所有历史行为之间的相似度，构建用户历史行为的相似矩阵表示，并记作相似矩阵s，基于相似矩阵s和用户历史行为矩阵h的矩阵乘积sh得到用户的兴趣表达，再基于预设筛选规则，从得到的多条兴趣表达中筛选部分兴趣表达建立用户偏好向量，即基于筛选出的所有兴趣表达的均值向量得到用户偏好向量。6.根据根据权利要求1所述的一种基于知识图谱的车主信息服务智能化推荐方法，其特征在于，步骤s6具体包括：(1)根据所述车主信息服务产品知识图谱确定产品稠密向量、各产品与客户持有产品之间的产品直接关系相似度和产品间接关系相似度；(2)根据所述车主信息服务产品稠密向量、所述产品直接关系相似度和所述产品间接关系相似度确定所述客户产品相似度。7.根据一种基于知识图谱的车主信息服务智能化推荐系统，其特征在于，包括：存储器和处理器，所述处理器用于执行所述存储器中存储的基于知识图谱的车主信息服务智能化推荐系统程序，以实现执行上述权利要求1至7任一所述的基于知识图谱的车主信息服务智能推荐方法的步骤。

技术总结
本发明公开了一种基于知识图谱的车主信息服务智能化推荐方法，包括以下步骤：S1：根据客户特征构建客户知识图谱，根据车主信息服务产品特征构建车主信息服务产品知识图谱；S2：根据客户知识图谱构建客户偏好特征向量。该一种基于知识图谱的车主信息服务智能化推荐方法及系统，通过基于知识图谱推荐内容方式进行文本信息推荐，获取兼顾最近邻用户的信息，同时兼顾目标用户偏好实体的信息的推荐结果，进而确保推荐结果更准确且多样化，实现了快速精准推送文本信息的目的。准推送文本信息的目的。准推送文本信息的目的。


技术研发人员：张辉 李建州 杨兴海 杨兴荣 武林
受保护的技术使用者：世纪恒通科技股份有限公司
技术研发日：2023.06.27
技术公布日：2023/8/24