计算机集成制造系统 ›› 2020, Vol. 26 ›› Issue (5期): 1326-1335.DOI: 10.13196/j.cims.2020.05.018
岳昆,阚伊戎,王钰杰,钱文华+
摘要: 为了对知识图谱(KG)中实体间的关联关系进行有效建模,以电子商务应用为背景,以贝叶斯网为知识表示和推理框架,提出将知识图谱中描述的领域知识与用户行为记录中蕴含的知识进行有效融合的方法,从而构建描述商品间关联关系及其不确定性的贝叶斯网,并基于贝叶斯网的推理算法计算商品间的间接关联关系。所提方法将为KG的关联查询处理提供支撑技术,为商品分类、用户定向和个性化推荐等典型应用提供解决方案。针对大规模KG和海量的用户行为记录,基于Spark给出模型构建和概率推理并行算法。通过真实数据的实验结果表明,所提KG关联查询处理方法能够以接近90%的召回率发现KG中未直接表示的关联关系,而且对包含超过1亿条边的KG也能高效地进行关联查询处理。
中图分类号: