(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211168919.2 (22)申请日 2022.09.25 (71)申请人 四川旅游学院 地址 610100 四川省成 都市龙泉驿区红岭 路459号 (72)发明人 周相兵　辜建刚　冉晓娟　陈功锁　 (74)专利代理 机构 成都赛恩斯知识产权代理事 务所(普通 合伙) 51212 专利代理师 张端阳　张帆 (51)Int.Cl. G06Q 30/06(2012.01) G06F 16/33(2019.01) G06F 16/36(2019.01) G06F 16/9535(2019.01) (54)发明名称 基于用户情感模型的推荐方法 (57)摘要 本发明提供了一种基于用户情感模型的推 荐方法， 包括： 根据不同来源的数据对用户的同 一消费行为下的本体构建一个多源数据本体库 集合； 对所述多源数据本体库集合进行数据融合 和语义推理， 从而建立描述用户消费行为的知识 图； 使用卷积神经网络提取用户评论中的情感因 素建立情感模 型； 基于所述知识图的推荐方法生 成推荐结果， 根据所述情感模型对 所述推荐结果 进行筛选， 得到最终得推荐结果并呈现给用户。 本发明以用户消费数据和评论数据为数据来源， 可向用户精确推荐内容， 避免传统推荐方法的粗 暴推荐、 无序推荐和浏览就推荐的不足。 权利要求书2页 说明书6页 附图3页 CN 115545827 A 2022.12.30 CN 115545827 A 1.一种基于用户情感模型的推荐方法， 其特 征在于， 包括： 步骤1， 为用户针对某一类商品的消费行为建立一个本体， 并根据不同来源的数据对用 户的同一消费行为下的本体构建一个多源数据本体库集 合； 步骤2， 对所述多源数据本体库集合进行数据融合和语义推理， 从而建立描述用户消费 行为的知识图； 步骤3， 使用卷积神经网络提取用户评论中的情感因素建立情感模型； 步骤4， 基于所述知识图的推荐方法生成推荐结果， 根据所述情感模型对所述推荐结果 进行筛选， 得到最终得推荐结果并呈现给用户。 2.根据权利要求1所述的基于用户情感模型的推荐方法， 其特征在于， 所述步骤4还包 括： 在得到用户得行为反馈数据之后， 重新计算情感模型和知识图， 使 得结构更加进一步符 合用户消费行为习惯。 3.根据权利要求1所述的基于用户情感模型的推荐方法， 其特征在于， 所述本体定义为 Ontology(C,A C,R,AR,HC,X,Map,KB)， 其中， C定义了每类商品的概念， 而AC表示每类商品的 属性； R定义了商品与商品概念的关系， 而AR表示关系中的属性； HC定义了商品概念所属的 层级； X表示在此本体中的推理运算规则； map表 示不同概念之间的层级关系； KB表 示在这个 本体中的推理知识库； 用户的每一类的消费的本体库定义为OntologyLib(Ontology1,Ontology2, …, Ontologyn)， 其中， 不同的Onto logy表示对不同消费类型建立的本体； 多源数据本体库集合定义为MultiSD(OntologyLib1 ,OntologyLib2 , …, OntologyLibm)。 4.根据权利要求1所述的基于用户情感模型的推荐方法， 其特 征在于， 步骤2包括： 步骤21， 数据重复性检测 使用杰卡德相似系数计算公式对多源数据的本体进行相似度计算， 在描述同一消费行 为的本体集合中两两计算相似度， 将相似度最大 的本体筛选出来放入目标库TL中， 剩下 的 本体放入源目标库SL中， 并使用密度聚类算法对两个目标库中本体特征进行提取， 建立两 个目标库中本体的语义关系， 将无法建立语义关系的本体舍去从而实现对重复数据 的过 滤； 步骤22， 语义推理及语义 一致性检测 首先， 定义一组语义一致性检测规则库RL， 该规则库由一组逻辑运算规则组成， 以检测 构成用户本体的数据是否合法； 然后， 使用一致性检测和模糊系统算法来检测各个用户本 体之间的一 致性； 步骤23， 将各个本体进行融合建立 起用户消费行为的知识图。 5.根据权利要求1所述的基于用户情感模型的推荐方法， 其特 征在于， 步骤3中： 用户情感因素包括用户的偏好、 满意度、 忠诚度； 使用分词处理用户评论， 将用户转换为向量词组， 再使用加权的方式判断得出用户评 论的情感； 将描述用户情感因素的影响因素作为输入矩阵， 输出用户的偏好、 满意度、 忠诚度， 建 立一个包含一个输入层、 四层隐含层、 一个输出层的卷积神经网络， 其中四层隐含层中卷积 层与采样层间隔排列。权　利　要　求　书 1/2 页 2 CN 115545827 A 26.根据权利要求5所述的基于用户情感模型的推荐方法， 其特 征在于， 偏好的影响因素包括： (1)用户的遗忘时间函数， 表示当前时间与用户上次购买当前或 者浏览商品的时间间隔； (2)偏好模糊量， 表示用户上次购买商品时发表的评论的情感方 向； 满意度的影响因素包括： (1)用户购买频率， 表示在一定时间内用户购买商品的次数； (2)用户的评论次数， 表示用户在购买商品后发表评论的次数； (3)消费方式， 表 示用户购买 商品时的付 款方式； 忠诚度的影响因素包括： (1)用户对品牌的认同程度， 表示用户购买同品牌商品的次 数； (2)对该品牌商品的顶的次数。 7.根据权利要求1所述的基于用户情感模型的推荐方法， 其特 征在于， 步骤4中， 步骤41， 生成待推荐列表 当目前用户正在浏览某一商品时， 通过商品在知识图中与其余商品之间连接关系， 得 到待推荐列表； 步骤42， 利用情感模型进行筛 选 使用情感模型计算用户对于待推荐列表中商 品的情感因素， 并且按照情感因素中负面 评价的个数进行降序排列， 优先推荐无负面评价的商品。 8.根据权利要求7所述的基于用户情感模型的推荐方法， 其特征在于， 步骤41中， 在用 户知识图MulKG中， 将用户、 商品等属性作为实体， 属性之间的关系及与用户的相关关系作 为边， 利用KGE编码得到相关的实体表示后， 使用如下公式计算某一商品i的可能性： h＝g(hp)。权　利　要　求　书 2/2 页 3 CN 115545827 A 3