(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 202210248145.8 (22)申请日 2022.03.14 (71)申请人 平安科技 （深圳） 有限公司 地址 518048 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 侯昶宇　 (74)专利代理 机构 北京辰权知识产权代理有限 公司 11619 专利代理师 李小朋 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/36(2019.01) G06F 16/9535(2019.01) G06N 3/04(2006.01)G06Q 30/06(2012.01) (54)发明名称 一种跨领域数据推荐方法、 装置、 计算机设 备及介质 (57)摘要 本发明公开了一种跨领域数据推荐 方法、 装 置、 计算机设备及介质， 方法包括： 获取多种源领 域数据和多种目标领域数据； 将多种源领域数据 和多种目标领域数据输入预先训练的跨领域数 据推荐模型中， 以根据多种源领域数据从多种目 标领域数据确定出待推荐数据； 其中， 预先训练 的跨领域数据推荐模型是基于知识图谱和用户 数据训练生成的， 知识图谱是根据多种历史源领 域数据构建的； 输出多种源领域数据对应的待推 荐数据， 并将待推荐数据推送至相应客户端。 由 于本申请通过知识 图谱来表征用户和不同领域 产品之间关系所构成的拓扑结构， 同时结合了用 户数据对结果的影 响， 从而得到更加精准的源领 域嵌入向量， 使得模型训练后的精度更高， 提升 了数据推荐的准确性。 权利要求书2页 说明书10页 附图3页 CN 114661887 A 2022.06.24 CN 114661887 A 1.一种跨领域数据推荐方法， 其特 征在于， 所述方法包括： 获取多种源领域数据和多种目标 领域数据； 将所述多种源领域数据和所述多种目标领域数据输入预先训练的跨领域数据推荐模 型中， 以根据所述多种源领域数据从所述多种目标领域数据确定出待推荐 数据； 其中， 所述 预先训练的跨领域数据推荐模型是基于知识图谱和用户数据训练生成的， 所述知识图谱是 根据多种历史源领域数据构建的； 输出所述多种源领域数据对应的待推荐数据， 并将所述待推荐数据推送至相应客户 端。 2.根据权利要求1所述的方法， 其特征在于， 按照以下步骤生成预先训练 的跨领域推荐 模型， 包括： 创建跨领域数据推荐模型； 其中， 所述跨领域数据推荐模型为孪生网络， 所述孪生网络 包括源领域子模型和目标 领域子模型； 根据多种历史源领域数据构建源领域的拓扑 结构， 得到知识图谱； 将所述知识图谱和用户数据输入所述源领域子模型中， 输出所述多种 源领域历史数据 对应的源领域嵌入向量； 根据多种历史目标 领域数据构建不同正负比例的训练的数据； 将所述不同正负比例的训练 的数据与所述用户数据输入所述目标领域子模型中， 输出 所述多种历史目标 领域数据对应的目标 领域嵌入向量； 根据所述源领域嵌入向量与所述目标 领域嵌入向量 生成预先训练的跨领域推荐模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据多种历史源领域数据构建源领域 的拓扑结构， 得到知识图谱， 包括： 获取多种历史源领域数据； 分析所述多种历史源领域数据， 确定出源领域的用户喜好数据； 基于所述源领域的用户喜好数据从所述多种历史源领域数据中确定出用户喜好关系 和产品属性关系； 根据所述用户喜好关系和产品属性关系构建源领域的拓扑结构， 生成源领域的图结 构； 将所述源领域的图结构确定为知识图谱。 4.根据权利要求2所述的方法， 其特征在于， 所述源领域子模型包括graph   transformer图神经网络和第一 桥接函数； 所述将所述知识图谱和用户数据输入所述源领域子模型中， 输出所述多种源领域历史 数据对应的源领域嵌入向量， 包括： 将所述知识图谱输入所述graph  transformer图神经网络中， 输出源领域用户喜好的 嵌入向量； 将所述用户数据输入所述graph  transformer图神经网络中， 输出用户自身数据的嵌 入向量； 将所述源领域用户喜好的嵌入向量与所述用户自身数据的嵌入向量输入所述桥接函 数中进行向量 拼接， 输出 所述多种源领域历史数据对应的源领域嵌入向量。 5.根据权利要求2所述的方法， 其特征在于， 所述根据多种历史目标领域数据构建不同权　利　要　求　书 1/2 页 2 CN 114661887 A 2正负比例的训练的数据， 包括： 获取多种历史目标 领域数据； 分析所述多种历史目标 领域数据， 确定出目标 领域的产品数据； 根据所述目标 领域的产品数据构建不同正负比例的训练的数据。 6.根据权利 要求2所述的方法， 其特征在于， 所述目标领域子模型包括JK ‑Net网络和第 二桥接函数； 所述将所述不同正负比例的训练的数据与 所述用户数据输入所述目标领域子模型中， 输出所述多种历史目标 领域数据对应的目标 领域嵌入向量， 包括： 获取所述不同正负比例的训练的数据中每 个产品的嵌入向量； 将所述用户数据输入所述JK ‑Net网络中， 输出用户在目标 领域自身的嵌入向量； 将所述每个产品的嵌入向量与所述用户在目标领域自身的嵌入向量输入所述桥接函 数中进行拼接， 输出 所述多种历史目标 领域数据对应的目标 领域嵌入向量。 7.根据权利要求2所述的方法， 其特征在于， 所述根据所述源领域嵌入向量与 所述目标 领域嵌入向量 生成预先训练的跨领域推荐模型， 包括： 根据所述源领域嵌入向量与所述目标领域嵌入向量进行相似度计算， 生成相似度分 数； 将所述相似度分数确定为模型损失值； 当所述模型损失值到 达预设阈值时， 生成预 先训练的跨领域推荐模型。 8.一种跨领域数据推荐装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于获取多种源领域数据和多种目标 领域数据； 数据输入模块， 用于将所述多种源领域数据和所述多种目标领域数据输入预先训练 的 跨领域数据推荐模型中， 以根据所述多种源领域数据从所述多种目标领域数据确定出待推 荐数据； 其中， 所述预先训练的跨领域数据推荐模型是基于知识图谱和用户数据训练生成 的， 所述知识图谱是根据多种历史源领域数据构建的； 数据推送模块， 用于输出所述多种源领域数据对应的待推荐数据， 并将所述待推荐数 据推送至相应客户端。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机可 读指令， 所述计算机可读指令被所述处理器执行时， 使得所述处理器执行如权利要求1至7 中任一项权利要求所述 跨领域数据推荐方法的步骤。 10.一种存储有计算机可读指令的介质， 其特征在于， 所述计算机可读指令被一个或多 个处理器执行时， 使得一个或多个处理器执行如权利要求 1至7中任一项权利要求所述跨领 域数据推荐的步骤。权　利　要　求　书 2/2 页 3 CN 114661887 A 3