(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 202210975174.4
(22)申请日 2022.08.15
(71)申请人 华东交通大 学
地址 330013 江西省南昌市经济技 术开发
区双港东大街808号
(72)发明人 涂宏斌 胡剑文 罗会源 徐任玉
刘雨芃 胡昕岳 高晨 王昊天
章翔 刘超 熊海波
(74)专利代理 机构 长沙市融智专利事务所(普
通合伙) 43114
专利代理师 熊开兰
(51)Int.Cl.
G06Q 30/02(2012.01)
G06F 40/295(2020.01)
G06F 40/194(2020.01)G06F 16/36(2019.01)
(54)发明名称
一种基于知识图谱的产品销量预测方法、 设
备和介质
(57)摘要
本发明公开了一种基于知识图谱的产品销
量预测方法、 设备和介质, 方法: 根据产品文本信
息构建销量知识图谱; 对图谱的实体与关系构建
对应的二 分图; 采用Node2vec算法学习二分图各
节点向量作为初始向量; 采用Cro ssE方法对初始
向量进行交互嵌入; 利用已知销量区间的历史产
品文本信息, 获得给定 “销量区间 ”的再表示向
量; 利用未知销量区间的产品文本信息, 获得三
元组“产品‑销量区间 ”中头实体和关系的再表示
向量, 计算对应的组合表示向量, 即为对应尾实
体“销量区间 ”的预测向量; 根据预测向量和组合
表示向量计算相似度, 取其中相似度最大值对应
的“销量区间 ”, 即为产品预测的销量区间。 本发
明对产品销售的预测准确性高。
权利要求书3页 说明书9页 附图3页
CN 115034837 A
2022.09.09
CN 115034837 A
1.一种基于知识图谱的产品销量预测方法, 其特 征在于, 包括:
步骤1, 根据 产品文本信息构建有关产品销量的知识图谱;
步骤2, 对步骤1构建的知识图谱中的实体与关系, 构建对应的产品因素二分图G;
步骤3, 采用
算法学习产品因素二分图中各节点的向量, 作为步骤1中构建的知
识图谱中各实体和关系的初始向量;
步骤4, 采用CrossE方法对步骤3得到的初始向量进行交互嵌入, 得到知识图谱中各实
体和关系的再表示向量;
步骤5, 利用已知销量区间的历史产品文本信息, 按步骤1 ‑步骤4获得每个给定 “销量区
间”的再表示向量;
步骤6, 利用未知销量区间的产品文本信息, 按步骤1 ‑步骤4获得头实体 “产品”的再表
示向量、 头实体 “产品”与尾实体“销量区间 ”之间关系的再表示向量, 然后计算对应的组合
表示向量, 即为对应 尾实体“销量区间 ”的预测向量;
步骤7, 对步骤6所得尾实体 “销量区间 ”的预测向量, 计算其与步骤5所得每个给定 “销
量区间”再表示向量之间的相似度; 然后选择其中相似度最大值所对应的 “销量区间 ”, 即为
产品预测的销量区间。
2.根据权利要求1所述的产品销量预测方法, 其特征在于, 所述采用
算法学习产
品因素二分图中各节点的向量, 具体为: 对产品因素二分图中所有节点所表示的产品因素
进行采样, 构建当前产品因素
的邻域信息
, 并按目标函数式 (1) 最大化
与
产生连
边的条件概 率, 以获得对产品因素
进行向量表示的映射 函数
:
(1)
式中,s是一种采样策略, V表示产品因素二分图中的节点集,
表示u与
产生连边的条件概 率。
3.根据权利要求2所述的产品销量预测方法, 其特征在于, 通过简化目标函数式 (1) 以
求解映射函数 f的方法为: 根据式 (2) 的条件独立假设和式 (3) 的特征 空间的对称性假设, 并
去掉常数项, 可 得式 (4) 所示的目标函数:
(2)
(3)
(4)
式中,
表示邻域信息
中的任意节点,
表示
与
产生连边的
条件概率,
泛指节点 集
中的任意节点,
为当前产品因素
的归一化因子,
。
4.根据权利 要求1所述的产品销量预测方法, 其特征在于, 采用CrossE方法对初始向量权 利 要 求 书 1/3 页
2
CN 115034837 A
2进行向量再表示的方法为:
步骤4.1, 从步骤1构 建的知识图谱中提取所有的产品因素三元组, 记为正例三元组; 针
对每个正例三元组构建若干个负例三元组;
步骤4.2, 根据评分函数计算每个正例三元组和负例三元组的评分值, 通过最大化正例
三元组的评分值、 最小化负例三元组的评分值, 来学习获得用于模拟实体和关系之间的交
叉交互的交互矩阵C;
步骤4.3, 根据知识图谱中各实体和关系的初始向量, 以及学习得到的交互矩阵, 得到
各实体和关系的再表示向量。
5.根据权利要求 4所述的产品销量预测方法, 其特 征在于, 评分函数 具体计算方法为:
步骤a1, 对三元组中的头实体进行交 互嵌入:
式中,
为Hadamard乘积, 是一种元素智能算子;
是一个关系特定变量, 由CrossE
模型中内置的交互矩阵 C得到;
为CrossE模型的索引向量;
是三元组中头实体的初始
向量;
表示头实体经交 互嵌入得到的再表示向量;
步骤a2, 对三元组中的关系进行交 互嵌入:
式中,r是三元组中关系的初始向量,
表示关系经交 互嵌入得到的再表示向量;
步骤a3, 对三元组中的头实体和关系进行组合表示:
式中,
为头实体 h和关系r的组合表示;
为全局偏置向量, d为各实体
和关系的向量维度, R表示实数;
为激活函数,
的输出
范围为[‑1, 1], 用于确保组合表示与实体表示共享相同的分布区间;
为激活函数的变量;
步骤a4, 将三元组中头实体与关系的组合表示
, 与三元组 中的尾实体
进行相似
度量, 作为 三元组的评分函数值:
式中,
为三元组
的相似度量,
是约束输出值
分布在区间[0, 1]内的非线性 函数。
6.根据权利要求5所述的产品销量预测方法, 其特征在于, 步骤6计算组合表示向量的
方法为:权 利 要 求 书 2/3 页
3
CN 115034837 A
3
专利 一种基于知识图谱的产品销量预测方法、设备和介质
安全报告 >
其他 >
文档预览
中文文档
16 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共16页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-17 23:38:59上传分享