(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