(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211154999.6 (22)申请日 2022.09.21 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 申请人 工银科技有限公司 (72)发明人 王雅楠　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 王蕊　黄健 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06N 20/00(2019.01) (54)发明名称 兴趣推荐 方法、 装置、 电子设备、 介质及程序 产品 (57)摘要 本申请提供一种兴趣推荐方法、 装置、 电子 设备、 介质及程序产品， 涉及金融科技领域， 该方 法包括： 获取预设时间段内目标用户的历史行为 数据， 并基于所述历史行为数据获取所述目标用 户的偏好传播信息； 将偏好传播信息和预设事项 特征向量输入至注意力机制神经网络模型中； 基 于所述注意力机制神经网络模型获取所述偏好 传播信息对应的用户特征向量， 并对 所述用户特 征向量和预设事项特征向量进行拼接， 得到拼接 特征向量； 响应于所述拼接特征向量的预测结 果， 向所述目标用户推荐相关兴趣事项。 本申请 通过将用户偏好传播信息和事项输入至注意力 神经网络中进行深度学习， 能够 有效提高政务平 台事项推荐的准确率， 为用户提供更具参考价值 的推荐结果。 权利要求书2页 说明书12页 附图4页 CN 115470409 A 2022.12.13 CN 115470409 A 1.一种兴趣推荐方法， 其特 征在于， 包括： 获取预设时间段内目标用户的历史行为数据， 并基于所述历史行为数据获取所述目标 用户的偏好传播信息； 将所述偏好传播信息和预设事项特 征向量输入至注意力机制神经网络模型中； 基于所述注意力 机制神经网络模型获取所述偏好传播信 息对应的用户特征向量， 并对 所述用户特 征向量和预设事项特 征向量进行拼接， 得到拼接特 征向量； 响应于所述 拼接特征向量的预测结果， 向所述目标用户推荐相关 兴趣事项。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述历史行为数据获取所述目标 用户的偏好传播信息， 包括： 将所述历史行为数据转换为知识三元组形式， 并基于经过数据转换的历史行为数据建 立事项知识图谱； 基于所述事项知识图谱获取 所述目标用户的偏好传播信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述历史行为数据转换为知识三元 组形式， 包括： 获取事项类目字典表以及事项属性关系表， 所述事项类目字典表携带各事项ID以及所 属类目， 所述事项属性关系表携带 各事项之间的属性关系； 基于所述历史行为数据获取所述目标用户与所述事项类目字典表中各事项的交互次 数； 基于所述目标用户与所述事项类目字典表中各事项的交互次数以及所述属性关系获 取知识三元组形式对应的历史行为数据。 4.根据权利要求2所述的方法， 其特征在于， 所述基于所述事项知识图谱获取所述目标 用户的偏好传播信息， 包括： 在所述事项知识图谱中将所述目标用户感兴趣的特征集视为种子， 沿所述事项知识图 谱的链接延伸以形成多个波纹组， 并基于所述波纹组寻找所有与其最短路径不超过预设数 量个顶点的集 合， 作为知识三元组集 合； 基于所述知识三元组集 合获取所述目标用户的偏好传播信息 。 5.根据权利要求4所述的方法， 其特征在于， 基于注意力 机制神经网络模型获取所述偏 好传播信息对应的用户特 征向量， 包括： 将所述偏好传播信 息与预设事项特征向量迭代嵌入至注意力神经网络模型中， 并在所 述神经网络模型中基于所述知识三元组集 合和所述预设事项特 征向量获取用户特 征向量。 6.根据权利要求5所述的方法， 其特征在于， 所述在所述神经网络模型中基于所述知识 三元组集 合和所述事项特 征向量获取用户特 征向量， 包括： 在所述神经网络模型中获取所述知识三元组集合与所述预设事项特征向量的相关概 率， 并基于所述相关概 率获取用户特 征向量。 7.根据权利要求6所述的方法， 其特征在于， 所述在所述神经网络模型中获取所述知识 三元组集 合与所述预设事项特 征向量的相关概 率， 包括： 在所述神经网络模型中基于各注意力网络层的所述知识三元组对应的节点与其邻域 节点之间的注意力权重、 各层注意力网络层的权重矩阵 以及预设激活函数获取所述知识 三 元组集合与所述预设事项特 征向量的相关概 率。权　利　要　求　书 1/2 页 2 CN 115470409 A 28.根据权利要求6所述的方法， 其特征在于， 所述基于所述相关概率获取用户特征向 量， 包括： 基于所述相关概率获取用户在多个波纹组对应的各阶的用户特征向量， 并基于各阶的 用户特征向量获取最终的用户特 征向量。 9.一种兴趣推荐装置， 其特 征在于， 包括： 数据获取模块， 其设置为获取 预设时间段内目标用户的历史行为数据； 偏好获取模块， 其设置为基于所述历史行为数据获取 所述目标用户的偏好传播信息； 输入模块， 其设置为将所述偏好传播信 息和预设事项特征向量输入至注意力 机制神经 网络模型中； 机器学习 模块， 其设置为基于所述注意力 机制神经网络模型获取所述偏好传播信 息对 应的用户特征向量， 并对所述用户特征向量和预设事项特征向量进行拼接， 得到拼接特征 向量； 兴趣推荐模块， 其设置为响应于所述拼接特征向量的预测结果， 向所述目标用户推荐 相关兴趣事项。 10.一种电子设备， 其特 征在于， 包括： 存 储器和处 理器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 使得所述电子设备执行权利要求 1‑8中任一项所述的兴趣推荐方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑8任一项所述的兴 趣推荐方法。 12.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序代码， 当 所述计算机程序代码在计算机上运行时， 使得计算机执行如权利要求1 ‑8任一项所述的兴 趣推荐方法。权　利　要　求　书 2/2 页 3 CN 115470409 A 3