1.一种基于知识图和旋转编码的商品推荐方法,其特征在于,包括如下步骤:S1.根据商品节点和用户节点获取中心性编码,并嵌入到初始特征中,以获取商品节点更新后的初始特征和用户节点更新后的初始特征;
S2.在知识图中获取所述商品节点的交互实体集;
S3.根据所述商品节点更新后的初始特征旋转编码所述商品节点的交互实体集,以获取各商品节点对应的路径传播表示;
S4.根据所述商品节点及所述各商品节点对应的路径传播表示和第一预设规则,获取商品节点特征表示;
S5.在协作图中根据所述用户节点、所述商品节点、所述用户节点更新后的初始特征和第二预设规则,获取用户节点特征表示;
S6.根据所述商品节点特征表示和所述用户节点特征表示,获取交互概率,并根据所述交互概率实现商品推荐;
所述根据商品节点和用户节点获取中心性编码包括如下步骤:分别获取商品节点度数和用户节点度数;
独热编码所述商品节点度数和所述用户节点度数,以获取所述中心性编码;
步骤S2包括如下步骤:
将所述知识图处理为无向图,在所述无向图中,以所述商品节点为中心分阶层传播,以获一阶邻居交互实体集,根据多个所述一阶邻居交互实体集获取多阶邻居交互实体三元组集,其中,所述交互实体集包括:所述一阶邻居交互实体集和所述多阶邻居交互实体三元组集;
步骤S3包括如下步骤:
转换所述多阶邻居交互实体三元组集为多条路径;
根据所述商品节点更新后的初始特征分别对各条路径进行旋转编码,以获取各商品节点对应的路径传播表示;
其中,多个路径节点形成一组所述路径传播表示;
步骤S4包括如下步骤:
将所述商品节点和所述各商品节点对应的路径传播表示映射至预设特征空间中;
根据所述商品节点的映射和所述路径节点的映射,获取第一注意力分数;
对所述第一注意力分数进行数据增强后归一化处理,以获取第一重要性聚合信息;
将所述第一重要性聚合信息与所述商品节点更新后的初始特征残差连接处理,以获取商品节点特征表示;
步骤S5包括如下步骤:
将所述用户节点和所述商品节点映射至所述预设特征空间中;
根据所述用户节点的映射和所述商品节点的映射,获取第二注意力分数;
对所述第二注意力分数进行数据增强后归一化处理,以获取第二重要性聚合信息;
将所述第二重要性聚合信息与所述用户节点更新后的初始特征残差连接处理,以获取用户节点特征表示。
2.如权利要求1所述的基于知识图和旋转编码的商品推荐方法,其特征在于,步骤S1还包括如下步骤:拼接所述中心性编码与所述初始特征;
对齐各节点初始特征的维度,以获取商品节点更新后的初始特征和用户节点更新后的初始特征。
3.如权利要求1所述的基于知识图和旋转编码的商品推荐方法,其特征在于,步骤S6包括如下步骤:将所述商品节点特征表示和所述用户节点特征表示进行内积,以获取用户与商品的交互概率;
降序排列用户与商品的所述交互概率;
从所述交互概率的最高值开始,按降序向用户推荐预设数量的商品。
4.如权利要求1所述的基于知识图和旋转编码的商品推荐方法,其特征在于,在步骤S6之后,还包括:根据损失函数,优化所述知识图的参数和所述协作图的参数。
5.如权利要求4所述的基于知识图和旋转编码的商品推荐方法,其特征在于,获取所述损失函数,包括如下步骤:根据所述商品节点的交互实体集,获取知识图损失;
根据所述交互概率,获取协作图损失;
根据所述知识图损失和所述协作图损失,获取损失函数。
6.一种基于知识图和旋转编码的商品推荐系统,其特征在于,包括:中心性编码模块,用于根据商品节点和用户节点获取中心性编码,并嵌入到初始特征中,以获取商品节点更新后的初始特征和用户节点更新后的初始特征;
所述中心性编码模块,还用于分别获取商品节点度数和用户节点度数,独热编码所述商品节点度数和所述用户节点度数,以获取所述中心性编码;
交互集获取模块,用于在知识图中获取所述商品节点的交互实体集;
所述交互集获取模块,还用于将所述知识图处理为无向图,在所述无向图中,以所述商品节点为中心分阶层传播,以获一阶邻居交互实体集,根据多个所述一阶邻居交互实体集获取多阶邻居交互实体三元组集,其中,所述交互实体集包括:所述一阶邻居交互实体集和所述多阶邻居交互实体三元组集;
旋转编码模块,用于根据所述商品节点更新后的初始特征旋转编码所述商品节点的交互实体集,以获取各商品节点对应的路径传播表示;
所述旋转编码模块,还用于转换所述多阶邻居交互实体三元组集为多条路径,根据所述商品节点更新后的初始特征分别对各条路径进行旋转编码,以获取各商品节点对应的路径传播表示,其中,多个路径节点形成一组所述路径传播表示;
商品节点特征学习模块,用于根据所述商品节点及所述各商品节点对应的路径传播表示和第一预设规则,获取商品节点特征表示;
所述商品节点特征学习模块,还用于将所述商品节点和所述各商品节点对应的路径传播表示映射至预设特征空间中,根据所述商品节点的映射和所述路径节点的映射,获取第一注意力分数,对所述第一注意力分数进行数据增强后归一化处理,以获取第一重要性聚合信息,将所述第一重要性聚合信息与所述商品节点更新后的初始特征残差连接处理,以获取商品节点特征表示;
用户节点特征学习模块,用于在协作图中根据所述用户节点、所述商品节点、所述用户节点更新后的初始特征和第二预设规则,获取用户节点特征表示;
所述用户节点特征学习模块,还用于将所述用户节点和所述商品节点映射至所述预设特征空间中,根据所述用户节点的映射和所述商品节点的映射,获取第二注意力分数,对所述第二注意力分数进行数据增强后归一化处理,以获取第二重要性聚合信息,将所述第二重要性聚合信息与所述用户节点更新后的初始特征残差连接处理,以获取用户节点特征表示;
商品推荐模块,根据所述商品节点特征表示和所述用户节点特征表示,获取交互概率,并根据所述交互概率实现商品推荐。