(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 202210986015.4 (22)申请日 2022.08.16 (71)申请人 华中师范大学 地址 430079 湖北省武汉市洪山区珞喻路 152号 (72)发明人 陈矛　杨雅静　吴娇娇　曾泽宇　 (74)专利代理 机构 武汉华之喻知识产权代理有 限公司 42 267 专利代理师 邓彦彦　廖盈春 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) (54)发明名称 一种基于知识图谱和高阶协同信息的推荐 方法及系统 (57)摘要 本发明提供一种基于知识图谱和高阶协同 信息的推荐方法及系统， 包括： 确定用户与项目 的交互信息和知识图谱； 根据用户与项目的交互 矩阵， 确定与用户有交互的项目， 将有交互的项 目作为一阶邻居， 并确定与一阶邻居有交互的其 他用户， 作为二阶邻居， 再确定与二阶邻居有交 互的项目， 作为三阶邻居， 以此类推， 通过高阶连 通性连接用户各阶邻居以确定用户的高阶嵌入 表示； 在知识图谱中对项目的一阶邻居随机采 样， 确定实体 之间的关系并基于注 意力机制确定 各实体关系权重； 将项目自身嵌入表 示与其一阶 邻域的嵌入表示聚合， 得到项目的聚合嵌入表 示； 根据用户的高阶嵌入表示和项目的聚合嵌入 表示对用户推荐其感兴趣的项目。 本发明提供的 推荐方法准确性较高。 权利要求书4页 说明书12页 附图5页 CN 115329196 A 2022.11.11 CN 115329196 A 1.一种基于知识图谱和高阶协同信息的推荐方法， 其特 征在于， 包括如下步骤： 确定用户与项目的交 互信息和知识图谱； 所述项目包括待为用户推荐场景 下的实体； 根据用户与项目的交互信 息确定用户与项目的交互矩阵， 以反映用户与各个项目之间 是否有交互； 根据用户与项目的交互矩阵， 确定与用户有交互的项目， 将有交互的项目作为 用户的一阶邻居， 并确定与一阶邻居有交互的其他用户， 作为用户的二阶邻居， 之后确定与 二阶邻居有交互的项目， 作为用户的三阶邻居， 以此类推， 将用户的各阶邻居连接得到用户 与项目的高阶交互图， 基于所述高阶交互图进行层层的嵌入迭代从而确定用户的高阶嵌入 表示； 对项目的一阶邻居随机采样， 形成项目的一阶邻域； 确定知识图谱中项目与其一阶邻 域中各个邻居之间的关系， 并基于注意力机制确定各邻居关系的权重， 以反映各邻居关系 对用户的重要程度； 结合一阶邻域中各邻居自身的表征与其对应的关系权重确定项目一阶 邻域的嵌入表示； 将项目的自身嵌入表示与其一阶邻域的嵌入表示聚合， 得到项目的聚合 嵌入表示； 根据用户的高阶嵌入表示和项目的聚合嵌入表示预测用户对项目的偏好得分， 并基于 所述偏好得分对用户推荐其感兴趣的项目。 2.根据权利要求1所述的方法， 其特征在于， 根据用户与项目的交互信 息确定用户与项 目的交互矩阵， 具体为： 将用户的集合表示为U＝{u1， u2， ...， um}； m表示用户的数量， ui表示第i个用户； 1≦i≦ m； 将项目的集合表示为V＝{v1， v2， ...， vn}； n表示项目的数量， vj表示第j个项目； 1≦j≦ n； 定义交互矩阵Y∈Rm×n， 若用户u与项目v之间有交互则定义yuv为1， 否则定义为0； yuv为 交互矩阵Y中的元 素。 3.根据权利要求1所述的方法， 其特征在于， 所述用户的高阶嵌入表示通过如下步骤确 定： 设用户u的一阶邻居v 对用户u特 征形成的贡献为 Iu,v： 式中， N(v)表示项目v一阶邻居的集合， |N(v)|表示项目v的一阶邻居数， N(u)表示用户 u一阶邻居的集合， |N(u)|表示用户u的一阶邻居数， W1表示权重矩阵， 是项目v初始的 向量表示； 用户u的一阶表征 为： 用户u的高阶表征 为：权　利　要　求　书 1/4 页 2 CN 115329196 A 2式中， LeakyReLU为激活函数， 集成了第1阶邻居至第l阶邻居的信息， 是用户在高阶 交互图第l层的表示， 集成了第1阶邻居至第l ‑1阶邻居的信息， 是用户在高阶交互图 第l‑1层的表示； 将用户在每一层的嵌入表示相加得到用户u的高阶嵌入表示 为： 4.根据权利要求3所述的方法， 其特征在于， 所述项目的聚合嵌入表示通过如下步骤确 定： 设ei表示实体i， ej表示实体j， r表示两者之间的关系； 引入注意力机制来决定关系r对 用户u的重要程度， 作为关系权 重， 关系r对用户u的关系权 重为： 其中， sum表示加 和运算， ue,re分别是用户u和关系r的向量表示； 将项目v采样的一阶邻居的向量表示与其对应的归一化的关系权重相乘并加和得到项 目v的一阶邻域表示 为： 其中π(u,rv,i)表示归一化后的关系权重， rv,i表示项目v和实体i相连的关系， ei为实体i 的嵌入表征； 项目v的聚合嵌入表示 为： 其中， σ表示激活函数ReLU， v0为项目自身的向量表示， W2为线性变化矩阵， b表示偏置 项。 5.根据权利要求4所述的方法， 其特征在于， 将用户的高阶嵌入表示和项目的聚合嵌入 表示进行点乘并求和再 结合激活函数来预测用户对该项目的偏好得分： 6.一种基于知识图谱和高阶协同信息的推荐系统， 其特 征在于， 包括： 确定单元， 用于确定用户与项目的交互信息和知识图谱； 所述项目包括待为用户推荐 场景下的实体； 用户高阶嵌入表示单元， 用于根据用户与项目的交互信息确定用户与项目的交互矩 阵， 以反映用户与各个项目之间是否有交互； 根据用户与项目的交互矩阵， 确定与用户有交 互的项目， 将有交互的项目作为用户的一阶邻居， 并确定与一阶邻居有交互的其他用户， 作 为用户的二阶邻居， 之后确定与二阶邻居有交互的项目， 作为用户的三阶邻居， 以此类推， 将用户的各阶邻居连接得到用户与项目的高阶交互图， 基于所述高阶交互图进行层层的嵌 入迭代从而确定用户的高阶嵌入表示； 项目聚合嵌入表示单元， 用于对项目的一阶邻居随机采样， 形成项目的一阶邻域； 确定权　利　要　求　书 2/4 页 3 CN 115329196 A 3