(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 202210329811.0 (22)申请日 2022.03.31 (71)申请人 东北大学秦皇岛分校 地址 066004 河北省秦皇岛市经济技 术开 发区泰山路143号 (72)发明人 邢烨　吕艳霞　刘杰民　 (74)专利代理 机构 沈阳东大知识产权代理有限 公司 21109 专利代理师 李在川 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/9535(2019.01) (54)发明名称 一种基于传播的知识图谱推荐方法 (57)摘要 本发明提供一种基于传播的知识图谱推荐 方法， 涉及推荐系统技术领域。 由双端知识传播 模块、 循环注意力嵌入模块、 推荐预测模块以及 推荐解释模块组成。 双端知识传播模块包括双端 传播和双向知识传播， 双端传播进行用户和物品 信息的知识映射， 双向知识传播是将用户和物品 的信息在知识图谱上进行传播更新； 循环注意力 嵌入模块采用基于循环神经网络的注 意力机制， 学习实体迭代更新过程中邻居实体的权重； 推荐 预测模块通过聚合知识传播后得到的多层向量 表示更新用户和物品嵌入向量， 并采用内积操作 得到最终的预测交互概率； 推荐解释模块通过融 合用户—物品交互图和知识图谱， 挖掘目标用户 到推荐结果之间的潜在联系， 并以图结构的形式 给出解释结果。 权利要求书4页 说明书9页 附图3页 CN 114637863 A 2022.06.17 CN 114637863 A 1.一种基于传播的知识图谱推荐方法， 其特 征在于， 具体包括以下步骤： 步骤1： 对目标用户和参与推荐的物品信 息在知识图谱上进行双端知识传播； 双端知识 传播包括双端传播和双向知识传播； 得到用户和物品l跳邻居实体集； 步骤2： 采用循环 注意力嵌入聚合传播过程中l跳邻居实体集的信息； 步骤3： 对目标用户u和参与推荐的物品v的交 互概率进行预测； 步骤4： 对上述三个步骤得到的推荐结果进行解释； 为了增加对推荐结果的理解， 提出 一种针对推荐结果的图形化的直观后解释方法； 步骤5： 对步骤1 ‑步骤3推荐过程进行训练优化； 训练结束后， 执行步骤1 ‑步骤3对目标 用户进行推荐。 2.根据权利要求1所述的一种基于传播的知识图谱推荐方法， 其特征在于， 所述步骤1 具体为： 步骤1.1： 对目标用户和参与推荐的物品信息进行双端传播； 对于用户u来说， 从其历史交互数据中找到该用户曾经交互过得物品v， 然后物品v与知 识图谱中实体e之间进行映射， 获得用户u知识传播的初始实体集； 同时对于物品v， 直接将 物品v与知识图谱中的实体e进行映射匹配， 将实体e作为物品v知识传播的初始实体集； 其 中用户u和物品v的初始实体集定义如下： 其中， yuv＝1表示用户u和物品v之间存在交 互； A表示表示物品和实体之间的映射 集合； 步骤1.2： 对用户和物品的初始实体集进行双向知识传播； 知识图谱G在形式上被表示为{(h,r,t)|h,t∈ε,r∈R}三元组的形式， 其中h代表三元 组的头实体， r表示三元组的关系， t表示三元组的尾实体， ε和R分别表示知识图谱G 的实体 集和关系集； 采用双向知识传播的思想对用户u和物品v的初始实体集进行知识传播， 获得 初始实体集的l跳邻居实体集； 借此来挖掘知识图谱中含有的高阶语义信息， 帮助提高推荐 的精度； 将用户u和物品v的l跳邻居实体集定义如下： 其中l表示从初始实体集向外传播的距离， 下角标w表示用户u和物品v的统一占位符； 在l跳邻居实体集的定义基础上， 给定用户u和物品v的l跳传播 集如下： 其中r'表示关系r的反向。 3.根据权利要求1所述的一种基于传播的知识图谱推荐方法， 其特征在于， 所述步骤2 具体为： 知识图谱G表示为{(h,r,t)|h,t∈ε,r∈R}， 其中每一个三元组描述了头实体h和尾实 体t存在着关系r 这一事实； 知识图谱中每一个三元组的头实体和尾实体的相关性决定于它 们之间的关系； 步骤2.1： 设(h,r,t)是l跳传播集的第k个三元组， 考虑某一头实体， 其相关尾实体的循权　利　要　求　书 1/4 页 2 CN 114637863 A 2环注意力嵌入定义如下： 对于当前三元组而言， 是头实体的嵌入向量， rk是关系的嵌入向量， 是尾实体的嵌 入向量， 同时 作为注意力权重控制实体信息传播过程中的衰减； 该循环注意力机制 定义如下： zk＝tanh(Wzxk+Whh0+bz) fk＝σ(Wfxk+Whh0+bf) ik＝σ(Wixk+Whh0+bi) ok＝σ(Woxk+Whh0+bo) ck＝fk⊙c0+ik⊙zk 其中h0， c0表示随机初始化的隐藏状态， Wz， Wi， Wf， Wo， Wh表示可训练的权重矩阵， 同时bz， bi， bf和bo表示偏差； ik， ok和fk分别表示输入、 输出和遗忘门； σ 表示Sigmoid激活函数， ⊙是 向量的元 素级乘积； 步骤2.2： 采用softmax函数来对用户u和物品v的l跳传播集中的三元组的权重进行归 一化处理： 其中， (h',r',t')表示当前传播集中任意一个三 元组， 和r'k分别表示三 元组(h',r', t')中头实体和关系的嵌入向量表示； 步骤2.3： 通过上述步骤1以及步骤2.1和2.2， 得到用户u和物品v的l跳实体信息表示， 其定义如下： 其中， w表 示用户u和物品v的统一占位符， 表示用户u和物品v在第l层传播集三元组 的个数； l层即l跳； 步骤2.4： 对于最终的用户和物品的向量表示， 还需要将知识传播的起点即初始实体向 量表示纳 入最终的用户和物品多层向量表示集； 用户u和物品v的初始实体向量表示定义如 下： 权　利　要　求　书 2/4 页 3 CN 114637863 A 3