(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 202210230376.6 (22)申请日 2022.03.10 (71)申请人 华中科技大 学 地址 430074 湖北省武汉市武昌珞喻路 1037号华中科技大 学 (72)发明人 魏巍　邹定　王子扬　赵森　江胜　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 李丹 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/9535(2019.01) (54)发明名称 结合多阶协同信息的知识图谱推荐方法 (57)摘要 本发明公开了一种结合多阶协同信息的知 识图谱推荐方法， 包括以下步骤： 1)基于所有用 户的物品点击序列构建用户 ‑物品图； 2)从用户 ‑ 物品图里提取出多阶协同信息； 3)将多阶协同信 息对应的物品集转换成对应的实体集； 4)通过知 识交互传播， 将多阶协同信息和知识信息结合并 对高阶信息进行降噪； 5)在本地和高阶图之间制 造交互， 并利用交互信息对高阶信息进行降噪， 从而提升每层知 识信息向量的质量； 6)基于知识 交互传播中用户和物品的本地及高阶多层特征 向量， 整合得到当前用户和物品的整体向量表 示。 权利要求书3页 说明书9页 附图1页 CN 115168595 A 2022.10.11 CN 115168595 A 1.一种结合多阶协同信息的知识图谱推荐方法， 其特 征在于， 包括以下步骤： 1)基于所有用户的物品点击序列构建用户 ‑物品图； 2)从用户 ‑物品图里提取出多阶协同信息； 对于一个给定的用户 ‑物品二部图 分别从 用户角度和物品角度获取多阶协同信息； 其中， 低阶协同信息表示用户的本地兴趣或物品 的本地特 征， 高阶协同信息表示用户的高阶兴趣或物品的高阶特 征； 3)通过物品 ‑实体对齐集 合 将多阶协同信息对应的物品集 转换成对应的实体集； 用户初始本地兴趣实体集 定义如下： 用户初始高阶兴趣实体集 定义如下： 物品初始本地兴趣实体集 定义如下： 物品初始高阶兴趣实体集 定义如下： 4)知识交 互传播 通过知识交 互传播， 将多阶协同信息和知识信息结合并对高阶信息进行降噪； 4.1)首先将用户和物品的初始多阶协同信息实体集在知识图谱中传播， 从而结合协同 信息和知识信息， 得到用户/物品的本地/高阶图， 并获得本地/高阶图内每层的外部实体集 和三元组集； 4.2)对传播后的多层 知识信息各自编码， 获得每层 知识信息的向量表示； 定义(h,r,t)为第l层三元组集的第i个三元组， 得到第l层的向量表示如下： 其中， 为用户/物品的本 地/高阶图第l层的向量表示， 权值 通过一个注意 力机制获取： 权　利　要　求　书 1/3 页 2 CN 115168595 A 25)在本地和高阶图之间制造交互， 并利用交互信息对高阶信息进行降噪， 从而提升每 层知识信息向量的质量； 6)模型预测 基于知识 交互传播中用户和物品的本地及高阶多层特征向量， 整合得到当前用户和物 品的整体向量表示。 2.根据权利要求1所述的结合多阶协同信 息的知识图谱推荐方法， 其特征在于， 所述步 骤2)中采用 用户的三阶信息和物品的二阶信息作为高阶协同信息 。 3.根据权利要求1所述的结合多阶协同信 息的知识图谱推荐方法， 其特征在于， 所述步 骤4.1)中获得的每层的外 部实体集和三元组集分别如下： 其中， 表示u或者v， 表示L或者H， l表示知识传播的实体层数。 4.根据权利要求1所述的结合多阶协同信 息的知识图谱推荐方法， 其特征在于， 所述步 骤5)中交叉阶交 互具体如下： 首先在第l层本地和高阶向量间构造 了一个d*d的特 征交互矩阵 整合了每一个可能的特 征交互 通过特征交互矩阵更新本地和高阶向量， 实现信息降噪的目的： 5.根据权利要求1所述的结合多阶协同信 息的知识图谱推荐方法， 其特征在于， 所述步 骤6)中基于知识交互传播中用户和物品的本地及高阶多层特征向量， 整合得到 当前用户和 物品的整体向量表示， 具体如下： 利用四种不同聚合器分别得到用户和物品在本地及高阶图下的向量表示； 所述 聚合器权　利　要　求　书 2/3 页 3 CN 115168595 A 3