[發(fā)明專利]一種知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法

在審

• 申請?zhí)枺?/td>: 202111539473.5
• 申請日: 2021-12-15
• 公開（公告）號: CN114265978A
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計）人: 杜海舟;湯悅
• 申請（專利權(quán)）人: 上海電力大學(xué)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/36
• 代理公司: 南京禹為知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 朱寶慶

1.一種知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特性在于，包括：

利用框架模型中輸入信息層獲取原始信息；

將所述原始信息嵌入至嵌入層，用于捕獲項目之間的層次結(jié)構(gòu)；

將所述層次結(jié)構(gòu)發(fā)送至聯(lián)合學(xué)習(xí)層，用于交叉訓(xùn)練獲取模型最優(yōu)參數(shù)；

利用預(yù)測層對所述最優(yōu)參數(shù)進(jìn)行效果評價并輸出最終預(yù)測結(jié)果。

2.如權(quán)利要求1所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述框架模型為共生系統(tǒng)，包括所述輸入信息層、所述嵌入層、所述聯(lián)合學(xué)習(xí)層以及所述預(yù)測層。

3.如權(quán)利要求1或2所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述輸入信息層包括，知識圖譜、用戶—項目交互矩陣和一組項目—實(shí)體對齊項。

4.如權(quán)利要求3所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述嵌入層包括，

使用GCN捕獲項目之間的所述層次結(jié)構(gòu)，一個包含兩層GCN模型可以表示為：

其中，X表示特征矩陣，A表示鄰接矩陣，表示度矩陣；

其中，表示為：

獲取到所述層次結(jié)構(gòu)后，使用層次記錄模塊作為推薦任務(wù)的嵌入模型；

還包括對應(yīng)的損失函數(shù)為：

其中，Y表示真實(shí)值，表示預(yù)測值，L₂為正則化參數(shù)。

5.如權(quán)利要求4所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述嵌入模型包括模量部分和相位部分，

所述模量部分表示為：

其中i_h_m,i_t_m∈R^k，

對應(yīng)的距離函數(shù)為：

其中i_h,i_t,r分別表示所述推薦任務(wù)中頭實(shí)體、尾實(shí)體和關(guān)系的嵌入表示。下標(biāo)m表示所述模量部分的頭實(shí)體和尾實(shí)體；

所述相位部分表示為：

其中i_h_p,r_p,i_t_p∈[0,2π)^k；

對應(yīng)的距離函數(shù)為：

6.如權(quán)利要求5所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：依據(jù)所述模量部分和所述相位部分，所述層次記錄模塊表示為：

其中i_h_m,i_t_m∈R^k，i_h_p,r_p,i_t_p∈[0,2π)^k。

所述層次記錄模塊的距離函數(shù)為：

其中λ₁,λ₂∈R。

7.如權(quán)利要求4-6任一所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述嵌入模型的得分函數(shù)為：

8.如權(quán)利要求7所述的知識圖譜層次信息與推薦系統(tǒng)結(jié)合的新方法，其特征在于：所述聯(lián)合學(xué)習(xí)層包括鏈接預(yù)測任務(wù)和推薦任務(wù)；

所述鏈接預(yù)測任務(wù)采用帶有自對抗訓(xùn)練的負(fù)采樣損失函數(shù)訓(xùn)練，表示為：

其中γ是個固定值，(h′_i,r,t′_i)是第i個負(fù)樣本；

所述推薦任務(wù)使用bprLoss訓(xùn)練，表示為：

其中(u,i)是正樣本，(u,i′)是負(fù)樣本，g(u,i),g(u,i′)表示正負(fù)樣本的得分。