(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 202210093523.X (22)申请日 2022.01.26 (71)申请人 上海易康源医疗健康科技有限公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区临港新片区新杨公路 860号10幢 (72)发明人 曾祥云　朱姬渊　 (74)专利代理 机构 上海硕力知识产权代理事务 所(普通合伙) 31251 专利代理师 王法男 (51)Int.Cl. G06F 16/9535(2019.01) G06Q 30/06(2012.01) G06F 16/33(2019.01) G06F 16/35(2019.01)G06F 16/36(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01) G06N 3/04(2006.01) (54)发明名称 一种推荐 方法、 推荐系统及推荐系统训练方 法 (57)摘要 本发明公开一种推荐 方法， 推荐系统及推荐 系统训练方法， 其推荐方法包 括步骤： S1:将输入 信息输入至知识图谱网络， 生成知识图谱向量； S2:将知识图谱向量输入至推荐网络， 得到知识 图谱用户矩阵和商品矩阵； S3:根据知识图谱用 户矩阵和商品矩阵返回推荐结果。 本申请通过构 建注意力机制的知识图谱表征模 型， 从而进一步 增强了抽取出来特征的语义相关性， 从而能够进 行深度挖掘信息， 使得得到的推荐结果更加丰富 和准确。 权利要求书2页 说明书5页 附图2页 CN 114443958 A 2022.05.06 CN 114443958 A 1.一种推荐方法， 其特 征是， 包括步骤： S1:将输入信息 输入至知识图谱网络， 生成知识图谱向量； S2:将知识图谱向量输入至推荐网络， 得到知识图谱用户矩阵和商品矩阵； S3:根据知识图谱用户矩阵和商品矩阵返回推荐结果。 2.如权利要求1所述的推荐方法， 其特 征是， 步骤S2具体包括： S21:将知识图谱向量输入到神经网络中， 得到注意力表示； S22:对头实体、 关系以及尾实体进行处 理， 得到自注意力表示； S23:对头实体与自注意力表示进行聚合处 理， 得到聚合信息； S24:将用户和商品与聚合信息进行拼接， 得到知识图谱用户矩阵和商品矩阵。 3.如权利要求2所述的推荐方法， 其特征是， S21:将知识图谱向量输入到神经网络中， 得到注意力表示包括 为： 通过图神经网络， 将商品知识图谱的实体转换为度矩阵， 并进行归一 化处理； 将商品知识图谱的关系转换为邻接矩阵； 将归一化处理得到的度矩阵与邻接矩阵相乘， 得到注意力表示。 4.如权利 要求2所述的推荐方法， 其特征是， S22:对头实体、 关系以及尾实体进行处理， 得到自注意力表示包括： 将头实体、 尾实体和关系输入第一线性网络； 将经过第一线性网络的头实体和关系进行相加， 并接入第一激活函数， 再与经过第一 线性网络的尾实体进行相乘， 得到自注意力表示。 5.如权利要求2所述的推荐方法， 其特征是， S23:对头实体与自注意力表示进行聚合处 理， 得到聚合信息包括： 将头实体与自注意力表示进行相加， 接入第二线性网络及第二激活函数， 得到第一信 息； 将头实际与自注意力表示进行相乘， 接入第三线性网络及第三激活函数， 得到第二信 息； 将第一信息与第二信息相加， 得到聚合信息 。 6.一种推荐系统， 其特 征是， 包括知识图谱网络以及推荐网络， 其中： 知识图谱网络用以将输入信息输入至知识图谱网络， 生成知识图谱向量； 推荐网络用 以将知识图谱向量输入至推荐网络， 得到知识图谱用户矩阵和商品矩阵； 并返回推荐结果。 7.一种推荐系统的训练方法， 其特 征是， 包括： 知识图谱网络的训练步骤； 推荐网络的训练步骤。 8.如权利要求7 所述的训练方法， 其特 征是， 知识图谱网络的训练步骤 包括： 建立知识图谱正样本和负 样本； 将头实体、 关系以及尾实体均随机初始化 为64维的向量； 将尾实体特 征表示为头实体特 征与关系特 征之和； 将头实体、 关系、 尾实体的正样本和负样本分别乘以一个相同的转义矩阵， 得到头实体 矩阵、 关系矩阵、 尾实体正样本矩阵和尾实体负 样本矩阵； 对上述矩阵进行计算， 用其计算结果计算损失函数， 其公式为：权　利　要　求　书 1/2 页 2 CN 114443958 A 2x＝(head_pos_e+relation_e ‑tail_pos_e)^2 ‑(head_pos_e+relation_e ‑tail_neg_ e)^2 其中： 头实体矩阵head_pos_e、 关系矩阵relation_e， 尾实体正样本矩阵tail_pos_e, 和尾实体负 样本矩阵tai l_neg_e； 设置损失函数， 其损失函数公式为： L(x)＝log(1+exp(x) ) 使用L2正则对损失函数正则化； 根据损失值对知识图谱网络进行训练。 9.如权利要求7 所述的训练方法， 其特 征是， 推荐网络的训练步骤 包括： 用户id和商品id分别用正态分布初始化的64维向量表示； 构建商品正样本和商品负 样本； 推荐网络抽取 特征， 得到用户矩阵和商品矩阵； 设置损失函数， 根据损失值对推荐网络进行训练。 10.一种电子设备， 其特征是， 包括： 处理器、 存储介质和总线， 所述存储介质存储有所 述处理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储介质之间通 过总线通信， 所述处 理器执行所述机器可读指令， 以执 行如权利要求1 ‑5所述的推荐方法。权　利　要　求　书 2/2 页 3 CN 114443958 A 3