申请/专利权人:浙江工业大学
申请日:2024-01-02
公开(公告)日:2024-04-09
公开(公告)号:CN117852634A
主分类号:G06N5/022
分类号:G06N5/022;G06F18/22;G06V10/80;G06N3/045;G06N3/042;G06F16/9535;G06F16/9536;G06F16/9537
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种基于知识图谱驱动的兴趣点推荐方法;所述方法包括:获取并筛选个人访问兴趣点数据集,并通过构建三元组得到知识图谱;获取用户访问历史数据;将知识图谱与用户访问历史数据输入兴趣点推荐模型,得到兴趣点推荐结果;包括:使用交叉嵌入法处理知识图谱,得到用户签到知识特征;计算两两用户签到知识特征间的相似度,构建全局访问相似度矩阵;将用户签到知识特征与用户访问历史数据进行融合,得到用户访问特征;基于用户访问特征和全局访问相似度矩阵通过图注意力机制计算得到用户全局特征;基于用户访问历史数据通过计算PPR值得到用户局部影响特征;融合用户全局特征和用户局部影响特征,得到兴趣点推荐结果。
主权项:1.一种基于知识图谱驱动的兴趣点推荐方法,其特征在于,所述方法包括:获取并筛选个人访问兴趣点数据集,并通过构建三元组得到知识图谱;获取用户访问历史数据;将知识图谱与用户访问历史数据输入至预先训练好的兴趣点推荐模型,得到兴趣点推荐结果;包括:使用交叉嵌入法对知识图谱的实体和关系嵌入进行低维表征,得到用户签到知识特征;计算两两用户签到知识特征间的相似度,构建全局访问相似度矩阵;将用户签到知识特征与用户访问历史数据进行融合,得到用户访问特征;基于用户访问特征和全局访问相似度矩阵通过图注意力机制计算得到用户全局特征;基于用户访问历史数据通过计算PPR值得到用户局部影响特征;融合用户全局特征和用户局部影响特征,得到兴趣点推荐结果。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于知识图谱驱动的兴趣点推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。