买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东旗帜信息有限公司申请的专利一种知识图谱与多模态融合的政务信息推荐方法及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120353924B 。

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510846872.8，技术领域涉及：G06F16/335；该发明授权一种知识图谱与多模态融合的政务信息推荐方法及设备是由邱瀚;李栋;马强;刘斌;董志勇;张琳琳;段旭缘;赵腾龙;邹宝玉设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种知识图谱与多模态融合的政务信息推荐方法及设备在说明书摘要公布了：本申请实施例公开了一种知识图谱与多模态融合的政务信息推荐方法及设备，属于信息推荐技术领域，解决用户在获取政务信息时，推荐结果与需求匹配度较低的问题。包括，基于用户历史检索行为生成用户偏好向量，对政务知识图谱进行粗粒度检索，得到候选知识子图；将候选知识子图与用户上传的多模态数据进行融合，得到多模态语义向量；对多模态语义向量进行多跳信息聚合处理，基于聚合后的图节点向量与用户查询向量进行细粒度检索；基于重排序机制，对检索结果进行重排序，确定出推荐政务知识子图；基于多模态数据与推荐政务知识子图，进行视觉问答和视觉常识推理处理，得到多模态推理结果，基于用户需求，将多模态推理结果作为推荐内容发送至用户。

本发明授权一种知识图谱与多模态融合的政务信息推荐方法及设备在权利要求书中公布了：1.一种知识图谱与多模态融合的政务信息推荐方法，其特征在于，所述方法包括： 基于政务实体信息、政务关系信息以及政务属性信息，构建政务知识图谱； 响应用户政务信息检索请求，基于用户历史检索行为生成用户偏好向量，并基于所述用户偏好向量对所述政务知识图谱进行粗粒度检索，得到候选知识子图； 对所述候选知识子图进行语义编码，生成初始语义向量，以及对用户上传的多模态数据进行文本特征向量提取，将所述初始语义向量与所述文本特征向量进行融合，得到多模态语义向量； 对所述多模态语义向量进行多跳信息聚合处理，并基于聚合处理后的图节点向量与用户查询向量进行细粒度检索； 基于重排序机制，对检索结果进行重排序，以确定出推荐政务知识子图； 基于所述多模态数据与所述推荐政务知识子图，进行视觉问答和视觉常识推理处理，得到多模态推理结果，以基于用户需求，将所述多模态推理结果作为推荐内容发送至用户； 所述基于用户历史检索行为生成用户偏好向量，并基于所述用户偏好向量对所述政务知识图谱进行粗粒度检索，得到候选知识子图，具体包括： 基于所述用户历史检索行为，构建用户检索交互矩阵，并通过所述用户检索交互矩阵，确定出用户与政务知识实体之间的关联强度，基于所述关联强度生成初始偏好向量；具体包括，将用户行为数据中的检索内容与政务知识图谱中的实体进行映射，以用户ID为行，政务知识实体为列，构建二维稀疏矩阵；若用户对某实体有检索、点击行为，则在对应矩阵位置标记交互记录；根据交互矩阵中记录的交互数据赋予基础权重，通过加权求和计算用户与每个实体的初始关联得分；将该关联得分进行归一化处理，得到关联强度，将关联强度作为向量元素，按政务知识实体在矩阵中的列顺序排列，构成初始偏好向量； 根据用户历史检索的时序序列，对所述政务知识实体分配时间衰减因子， 以及，基于用户历史检索类型，对不同类型的所述政务知识实体进行加权聚合； 通过所述时间衰减因子与所述加权聚合，对所述初始偏好向量进行计算调整，得到所述用户偏好向量； 基于所述用户偏好向量对应的计算得分，确定出种子节点； 以所述种子节点为中心，通过知识图谱的边关系构建所述候选知识子图； 所述对所述多模态语义向量进行多跳信息聚合处理，并基于聚合处理后的图节点向量与用户查询向量进行细粒度检索，具体包括： 将所述多模态语义向量作为图节点特征； 通过图卷积网络确定出各所述图节点特征之间的特征传播，通过多层迭代聚合多跳邻居信息； 在聚合过程中，通过添加位置编码对各节点在所述候选知识子图中的层级关系进行区分，并将区分后的所述候选知识子图对应的拓扑结构特征融入节点向量，得到所述图节点向量； 将所述用户查询向量与所述图节点向量进行余弦相似度计算，基于相似度结果在所述候选知识子图中进行细粒度检索； 所述基于重排序机制，对检索结果进行重排序，以确定出推荐政务知识子图，具体包括： 基于所述余弦相似度，确定出初始语义得分； 确定出节点与查询核心实体之间的跳数，基于所述跳数的数量确定出结构关联度得分； 确定出节点信息的发布时间以及当前检索时间之间的时间差值，基于所述时间差值，得到时间因素得分； 基于用户历史检索数据，确定出用户行为得分；其中，所述用户历史检索数据至少包括历史点击数据、历史收藏数据以及历史评论数据； 基于预置权重参数、所述初始语义得分、所述结构关联度得分、所述时间因素得分以及所述用户行为得分，对所述检索结果进行重排序，以确定出所述推荐政务知识子图； 所述基于所述多模态数据与所述推荐政务知识子图，进行视觉问答和视觉常识推理处理，得到多模态推理结果，具体包括： 基于所述文本特征向量，将当前检索任务划分为问答基础任务与常识推理任务；具体包括，使用预训练分类器，输入文本特征向量并输出任务类型概率； 在属于所述问答基础任务的情况下，将所述多模态数据与所述推荐政务知识子图，输入至预置问答模型，通过所述预置问答模型，确定出所述多模态数据对应的提问信息，并根据所述提问信息，在所述推荐政务知识子图中进行检索，得到推荐信息； 将所述推荐信息与所述推荐政务知识子图中的结构化信息进行交叉验证，在验证通过的情况下，发送至用户； 所述基于所述文本特征向量，将当前检索任务划分为问答基础任务与常识推理任务之后，所述方法还包括： 在属于所述常识推理任务的情况下，将所述多模态数据与所述推荐政务知识子图，输入至预置常识推理模型； 通过所述预置常识推理模型，确定出所述多模态数据对应的提问信息，基于所述提问信息在知识库中调用相关政务常识知识，以基于所述相关政务常识知识与所述推荐政务知识子图，进行推理，得到推荐信息。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东旗帜信息有限公司，其通讯地址为：250100 山东省济南市历城区彩石街道经十东路28666号国家超算济南中心科技园1期1号楼2层、3层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。