申请/专利权人：云南大学

申请日：2024-01-31

公开（公告）日：2024-04-12

公开（公告）号：CN117688247B

主分类号：G06F16/9535

分类号：G06F16/9535;G06F18/23213;G06F18/25;G06N3/045;G06N3/08;G06N5/022

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本申请公开了一种推荐方法、终端设备及存储介质，属于预测技术领域，其中，所述一种推荐方法设计了全新的特征融合方法，采用多层注意力的深度特征融合模块对推荐模块与知识图谱嵌入模块的特征向量加权融合，进一步提高特征提取的能力，增强网络的表示效果，进而提高推荐结果的准确度。且基于翻译的思想，采用TransR改进知识图谱嵌入方法，更好地提取知识图谱的结构化特征，同时缓解数据稀疏的问题。

主权项：1.一种推荐方法，其特征在于，所述推荐方法包括：接收用户的历史交互图谱头实体在关系映射矩阵中的翻译特征以及接收用户的历史交互物品集合的潜在特征；基于预设的多层注意力的深度特征融合机制，融合所述翻译特征和所述潜在特征，生成所述潜在特征对应的第一融合潜在特征和所述翻译特征对应的第一融合翻译特征，其中，所述深度特征融合机制为： ； ； ；其中，Q为用户信息矩阵，K为物品信息矩阵，V为所述历史交互物品集合，为深层特征融合机制，att为的缩写，为所述潜在特征，为所述翻译特征，为所述潜在特征对应的第一融合潜在特征，为所述翻译特征对应的第一融合翻译特征；将所述第一融合翻译特征输入知识图谱嵌入模块，作为下一实体的输入，以使所述知识图谱嵌入模块基于所述第一融合翻译特征更新用户历史交互图谱中实体和关系对应的向量表示，继续执行所述接收用户的历史交互图谱头实体在关系映射矩阵中的翻译特征以及用户的历史交互物品集合的潜在特征的步骤，直至满足预设的迭代次数；在满足预设的迭代次数时，根据用户的用户向量对应的用户潜在特征和所述第一融合潜在特征确定对应交互物品的访问概率；基于所述访问概率，输出对应的推荐结果；所述接收用户的历史交互图谱头实体在关系映射矩阵中的翻译特征以及接收用户的历史交互物品集合的潜在特征的步骤之前，包括：获取用户的历史交互图谱集合，并将所述历史交互图谱集合输入所述知识图谱嵌入模块，其中，所述历史交互图谱集合由各个知识三元组构成，所述三元组包括头实体、关系以及尾实体；对所述历史交互图谱集合的各个知识三元组进行分段，获得各个待处理分组；确定所述待处理分组内各个三元组的头实体和尾实体之间的偏移量，并对各个三元组的所述偏移量进行聚类，获得各个子待处理聚类组；基于所述子待处理聚类组内各个三元组的关系，对各个所述三元组的所述偏移量进行学习，生成所述子待处理聚类组对应的所述关系映射矩阵；确定所述待处理分组内的各个所述头实体在对应的所述关系映射矩阵中的所述翻译特征；所述确定所述待处理分组内各个三元组的头实体和尾实体之间的偏移量，并对各个三元组的所述偏移量进行聚类，获得各个子待处理聚类组的步骤之后，还包括：基于所述子待处理聚类组内各个三元组的关系，对各个所述三元组的所述偏移量进行学习，生成所述子待处理聚类组对应的独立关系向量以及实体映射矩阵；根据所述待处理分组内的各个所述三元组的头实体以及所述实体映射矩阵，确定所述头实体在所述实体映射矩阵中的头实体投影向量，以及根据所述待处理分组内的各个所述三元组的尾实体以及所述关系映射矩阵，确定所述尾实体在所述关系映射矩阵中的尾实体投影向量；将所述独立关系向量和所述头实体投影向量以及所述尾实体投影向量和所述关系输入预设的评分函数，确定各个三元组对应的评分；将所述评分以及所述访问概率输入预设的损失函数，确定所述损失函数的结果值；根据所述结果值更新所述知识图谱嵌入模型和推荐模块的模型参数。

全文数据：

权利要求：

百度查询： 云南大学 推荐方法、终端设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD