一种基于语义增强的对话式推荐方法

本发明公开了一种基于语义增强的对话式推荐方法，涉及自然语言处理与推荐系统技术领域。首先，利用关系图卷积网络与知识图谱对对话中提及的实体及关系进行建模，并构建知识增强的提示向量丰富对话上下文信息。其次，在对话回复生成阶段，引入语义熵指标对候选回复集合的语义不确定性进行度量，通过语义蕴含机制对回复进行聚类并计算语义熵值，结合语义熵和多样性指标构建强化学习奖励函数，利用近端策略优化算法对生成模型进行微调，提升回复的语义一致性与表达多样性。最后，在物品推荐时，通过对结构化知识图谱嵌入与文本描述嵌入进行对齐融合，计算物品间语义相关性，并设计一种基于语义排名的动态优化策略，结合交叉熵损失构建推荐模块的多目标优化函数。本发明的技术方案能有效提升对话回复的生成质量与推荐的准确性，克服现有对话式推荐方法中对候选回复语义建模不足、忽略物品之间深层语义关联的问题。