(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 202211001216.0 (22)申请日 2022.08.19 (71)申请人 北京建筑大学 地址 100037 北京市西城区展览 路1号 (72)发明人 万珊珊　刘颖　胡玉玲　吕橙　 杨舒月　丁嘉琦　邱冬炜　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/906(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06Q 30/06(2012.01) (54)发明名称 异构网络中基于自适应动态知识图谱的推 荐方法及系统 (57)摘要 本发明涉及一种异构网络中基于自适应动 态知识图谱的推荐方法及系统， 属于推荐领域， 根据用户以及项目之间的复杂交互关系， 构建异 构网络， 提取用户隐式特征， 同时利用图注意力 网络中的多头注意力来提取用户的短期偏好， 对 知识图谱进行更新， 进而对用户 、 项目集合进行 分簇， 建立种子簇集合， 利用RippleNet模型计算 概率预测值， 得到推荐结果列表， 实现时效性以 及自适应性， 提高推荐系统准确性， 更好地解决 数据稀疏、 冷启动以及偏差问题。 权利要求书5页 说明书19页 附图3页 CN 115329215 A 2022.11.11 CN 115329215 A 1.一种异构网络中基于自适应动态知识图谱的推荐方法， 其特 征在于， 包括： 根据用户以及项目之间 复杂交互关系的数据集， 构建异构网络； 对异构网络进行实体和关系提取， 建立基础 知识图谱； 在时间仓内利用图注意力网络提取用户的短期偏好特征， 并根据短期偏好特征计算多 元注意力系数； 在基础知识图谱中将属于系数阈值范围的多元注意力系数所在关系 进行删除， 获得实 时知识图谱； 对实时知识图谱中的用户和项目进行分簇， 获得多个用户簇和多个项目簇； 根据实时知识图谱筛 选项目簇并组成每 个用户簇的种子集 合； 根据每个用户簇的种子集合， 利用RippleNet模型预测每个用户簇点击种子集合中每 个项目簇的概 率值； 将最大概 率值对应的项目簇作为每 个用户簇的推荐结果， 生成推荐结果列表； 改变时间仓， 返回步骤 “在时间仓内利用图注意力网络提取用户的短期偏好特征， 并根 据短期偏好特 征计算多元注意力系数 ”， 获得实时的推荐结果。 2.根据权利要求1所述的推荐方法， 其特征在于， 所述用户以及项目之间复杂交互关系 的数据集的构建过程包括： 分别采集用户集 合和项目集 合； 采集用户 ‑用户、 用户 ‑项目以及项目 ‑项目的关系集 合； 利用公式 计算关系集合中每个关系的权 值； 式中， 为关系ri的权值函数， γ为归一化系数， 为关系ri的建立时间长度， 为 关系ri的交互频率， 为关系ri两个节点的共同关系节点的个数， i∈[1,N]， N为关系总 数； 将用户集合、 项目集合、 关系集合和每个关系的权值构成用户以及项目之间复杂交互 关系的数据集。 3.根据权利要求1所述的推荐方法， 其特 征在于， 所述时间仓为 TIa＝[tia,tia+1] 式中， TIa为时间仓， a为常数， tia、 tia+1分别表示 起始时间、 终止时间。 4.根据权利要求1所述的推荐方法， 其特征在于， 所述在时间仓 内利用图注意力网络提 取用户的短期偏好特 征， 并根据短期偏好特 征计算多元注意力系数， 具体包括： 利用公式 计算用户的潜在特征； 式 中， 表示用户的潜在特征， σ 表示非线性激活函数， W表示神经网络权重， AFu‑u表示融合 用户显式好友与隐式好友的聚合函数， 表示在时间仓TIa下用户对其他用户进行 的交 互， Exu表示显式好友特 征表示， Imu表示隐式好友特 征表示， b表示神经网络偏置； 根据用户的潜在特征， 采用公式 权　利　要　求　书 1/5 页 2 CN 115329215 A 2计算邻域用户的注意力系数； 式中， 表示邻域用户的注意力系数， Softmax ()表示归一化函数， W'表示权重矩阵， 表示注意力网络的参数的转置， 分别表示 注意力网络的第一、 第二偏置项的k次方； 利用公式 计算用户交互项目的潜在 特征； 式中， 表示用户交互项目的潜在特征， AFu‑v表示融合用户历史交互过的显性感兴 趣的项目与用户通过元路径间接交互的隐性项目的聚合函数， 表示在时间TIa下用户 对其他项目进行的交互， Exv表示用户历史交互过的显 性感兴趣的项目， Imv表示用户通 过元 路径间接交 互的隐性项目； 根 据 用 户 交 互 项 目 的 潜 在 特 征 ，采 用 公 式 计算邻域项目的注意力系数； 式中， 表示邻域项目的注意 力系数； 利用公式 计算项目与项目的潜在特 征； 式中， 表示项目与项目的潜在特征， AFv‑v表示融合与目标项目有直接相关信息以及 间接相关信息的聚合函数， 表示在时间仓TIa下目标项目与其他项目进行的交互嵌入， Div表示与目标项目有直接相关信息的项目， I nv表示与目标项目有间接相关信息的项目； 根据项目与项目的潜在特征 ， 采用公式 计算交互项目的注意力系数； 式 中， 表示交互项目的注意力系数； 利用公式 计算与用户偏好无关的虚拟关系 项目特征； 式中， 表示与用户偏好无关的虚拟关系项目特征， Fu…v表示与用户偏好无直 接与间接相关项目的聚合函数， 表示在时间TIa下与用户无关随机项目的嵌入， Viv表示 与用户偏好无关的项目特 征表示， 所包 含元素为随机 5个项目特 征， 建立虚拟关系； 根据与 用户偏好无关的 虚拟关 系项目 特征 ， 采 用公式 计算虚拟关系项目的注意力系数； 式中， 表示虚拟关系 项目的注意力系数。 5.根据权利要求1所述的推荐方法， 其特征在于， 所述对实时知识图谱中的用户和项目 进行分簇， 获得多个用户簇和多个项目簇， 具体包括： 根据实时知识图谱对用户和项目进行分类， 分为多个簇， 每个簇包含的节点个数为1 ‑5 个， 获得用户簇为 项目簇为 权　利　要　求　书 2/5 页 3 CN 115329215 A 3