(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 202210197625.6 (22)申请日 2022.03.01 (71)申请人 深圳大学 地址 518060 广东省深圳市南 山区南海大 道3688号 (72)发明人 王娜　洪睿　 (74)专利代理 机构 深圳市君胜知识产权代理事 务所(普通 合伙) 44268 专利代理师 温宏梅 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) (54)发明名称 一种基于协同关系图的推荐方法及相关装 置 (57)摘要 本申请公开了一种基于协同关系图的推荐 方法及相关装置， 推荐方法包括构建协同关系 图， 基于协同关系图获取与实体节点的交互节 点， 基于交互节点确定实体节 点的隐式关系嵌入 表示； 基于协同关系图获取以实体节 点为头实体 的三元组， 基于获取到的所有三元组确定实体节 点的显式关系嵌入表示； 基于隐式关系嵌入表示 和显式关系嵌入表示获取实体节点的高阶领域 信息； 基于高阶领域信息训练推荐模型， 通过推 荐模型确定待推荐用户与其对应的各候选物品 的交互概率。 本申请通过整合 “用户‑物品”二部 图和知识图谱， 同时利用 “用户‑物品”之间的隐 式关系和实体之间的属性关系来进行高阶信息 传播， 以有效利发掘节点的高阶邻域信息， 提高 推荐准确性。 权利要求书3页 说明书15页 附图6页 CN 114461929 A 2022.05.10 CN 114461929 A 1.一种基于协同关系图的推荐方法， 其特 征在于， 所述的推荐方法包括： 构建用户历史数据集对应的协同关系图， 其中， 所述协同关系图为基于用户 ‑物品二部 图和物品 ‑属性知识图谱构建的； 对于协同关系图中的每个实体节点， 基于所述协同关系图获取与所述实体节点具有交 互关系的交 互节点， 并基于获取到的交 互节点确定所述实体节点的隐式关系嵌入表示； 对于协同关系图中的每个实体节点， 基于所述协同关系图获取以所述实体节点为头实 体的物品属性三元组， 并基于获取到的所有物品属性三元组确定所述实体节点的显式关系 嵌入表示； 对于协同关系图中的每个实体节点， 基于所述隐式关系嵌入表示和显式关系嵌入表 示， 通过逐层传播获得实体节点的高阶领域信息； 基于所述实体节点的高阶领域信 息训练推荐模型， 通过训练后的推荐模型确定待推荐 用户与其对应的各候选物品的交 互概率。 2.根据权利要求1所述基于协同关系图的推荐方法， 其特征在于， 所述构建用户历史数 据集对应的协同关系图具体包括： 基于用户历史数据集确定用户 ‑物品的交互关系， 并基于确定交互关系构建用户 ‑物品 二部图； 确定用户历史数据集中物品的物品属性， 并基于物品数据构建物品 ‑属性知识图谱； 根据所述用户 ‑物品二部图和所述物品 ‑属性知识图谱构建协同关系图。 3.根据权利要求1所述基于协同关系图的推荐方法， 其特征在于， 所述基于所述协同关 系图获取与所述实体节点具有交 互关系的交 互节点具体为： 当所述实体节点为用户时， 获取所述用户交互过的所有物品， 以得到与所述实体节点 具有交互关系的交 互节点； 当所述实体节点为物品时， 获取交互过所述物品的所有用户， 以得到与所述实体节点 具有交互关系的交 互节点。 4.根据权利要求1所述基于协同关系图的推荐方法， 其特征在于， 所述基于获取到的交 互节点确定所述实体节点的隐式关系嵌入表示具体包括： 分别将所述实体节点及其对应的交互节点各自对应的初始嵌入表示映射至各预设隐 式关系因子的因子空间， 以得到各因子空间下的映射嵌入表示； 基于所述实体节点对应的交互节点在各预设隐式关系因子的因子空间下的映射嵌入 表示， 确定各 预设隐式关系因子对所述实体节点的贡献嵌入表示； 基于各预设隐式关系因子对所述实体节点的贡献嵌入表示， 确定所述实体节点的隐式 关系嵌入表示。 5.根据权利要求4所述基于协同关系图的推荐方法， 其特征在于， 所述基于所述实体节 点对应的交互节点在各预设隐式关系因子的因子空间下的映射嵌入表示， 确定各预设隐式 关系因子对所述实体节点的贡献嵌入表示具体包括： 对于每个预设隐式关系因子， 基于各交互节点和实体节点在各预设隐式关系因子的因 子空间下的映射嵌入表示确定各交 互节点的贡献程度值； 基于各交互节点的贡献程度值以及映射嵌入表示， 以及所述实体节点的映射嵌入表示 确定所述预设隐式关系因子对所述实体节点的贡献嵌入表示， 以得到各预设隐式关系因子权　利　要　求　书 1/3 页 2 CN 114461929 A 2对所述实体节点的贡献嵌入表示。 6.根据权利要求1所述基于协同关系图的推荐方法， 其特征在于， 所述推荐模型的损失 函数为： 其中， U表示用户集合， V表示物品集合， yuv表示用户和物品之间的交互关系， 表示预 测的用户和物品之间的交互概率， K表示预设隐式关系因子的数量， u表 示用户， v表 示物品， 和 表示贡献嵌入表示， λ1和 λ2表示正则项系数。 7.根据权利要求1所述基于协同关系图的推荐方法， 其特征在于， 所通过逐层传播获得 实体节点的高阶领域信息的过程中的信息传播公式为： 其中， 代表第l层的节点h的聚合表示， 表示上一层的信息， 层数为0时h表示初始 嵌入表示, 表示上一层的邻居节 点,当r∈R‑时， R‑表示用户与物品间的 隐式关系集， r表 示预设隐式关系因子， 表示隐式关系的邻域节点集合， 当r∈R+时， R+表 示头实体与尾实体的关系集， r表示头实体与尾实体的关系， 表示显式关系的邻域节点 集合 ηr＝1， 表示关系r对应空间转移 矩阵。 8.一种基于协同关系图的推荐系统， 其特 征在于， 所述的推荐系统包括： 构建模块， 用于构建用户历史数据集对应的协同关系图， 其中， 所述协同关系图为基于 用户‑物品二部图和物品 ‑属性知识图谱构建的； 隐式关系模块， 用于对于协同关系图中的每个实体节点， 基于所述协同关系图获取与 所述实体节点具有交互关系的交互节点， 并基于获取到的交互节点确定所述 实体节点的 隐 式关系嵌入表示； 显式关系模块， 用于对于协同关系图中的每个实体节点， 基于所述协同关系图获取以 所述实体节点为头实体的物品属性三元组， 并基于获取到的所有物品属性三元组确定所述 实体节点的显式关系嵌入表示； 传播模块， 用于对于协同关系图中的每个实体节点， 基于所述 隐式关系嵌入表示和显 式关系嵌入表示， 通过 逐层传播获得实体节点的高阶领域信息； 推荐模块， 用于基于所述实体节点的高阶领域信息训练推荐模型， 通过训练后的推荐 模型确定待推荐用户与其对应的各候选物品的交 互概率。 9.一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存储有一个或者 多个程序， 所述一个或者多个程序可被一个或者多个处理器执行， 以实现如权利要求 1‑7任 意一项所述的基于协同关系图的推荐方法中的步骤。 10.一种终端设备， 其特征在于， 包括： 处理器、 存储器及通信总线； 所述存储器上存储 有可被所述处 理器执行的计算机可读程序；权　利　要　求　书 2/3 页 3 CN 114461929 A 3