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！

龙图腾网获悉新疆河润科技有限公司申请的专利一种基于偏好迁移的知识图谱推荐方法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：CN115934957B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211463522.6，技术领域涉及：G06F16/36；该发明授权一种基于偏好迁移的知识图谱推荐方法是由王宏志;王婷婷;陶伟;李剑辉;赵斌龙设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种基于偏好迁移的知识图谱推荐方法在说明书摘要公布了：本发明属于推荐系统技术领域，提供一种基于偏好迁移的知识图谱推荐方法。注意力嵌入传播主要由注意力嵌入传播层、偏好迁移层、预测层组成。其中注意力嵌入传播层递归的在协作知识图谱上传播节点的邻居的嵌入以细化节点的嵌入，并通过知识感知注意机制学习传播过程中每个邻居的权重，最后聚合来自所有层的用户和项目表示；偏好迁移层通过其设置的阈值找到属于冷启动的用户，然后在用户逻辑交互空间上基于图卷积网络架构对冷启动用户的邻居用户进行二次传播，并使用归一化的交并比来表示每个邻居用户的权重；预测层通过最终得到的用户和项目表示，输出预测的交互概率。

本发明授权一种基于偏好迁移的知识图谱推荐方法在权利要求书中公布了：1.一种基于偏好迁移的知识图谱推荐方法，其特征在于，具体包括以下步骤： 步骤1：在协作知识图谱上进行注意力嵌入传播，注意力嵌入传播包括预训练、信息传播、信息聚合、高阶传播四部分； 步骤1.1：预训练 应用TransR对协作知识图谱进行预训练，将整个协作知识图谱映射到关系空间中，同时得到包含结构信息的用户和项目的初始化嵌入表示；更具体的说，TransR使协作知识图谱上的三元组h,r,t满足： 其中，eh,et∈Rd和er∈Rk分别是h，t和r的嵌入；d和k分别是实体和关系的嵌入维度；和分别是头实体h和尾实体t在关系空间中的投影表示； TransR的得分函数定义如下： 其中，Wr∈Rd×k是关系矩阵，将实体从d维实体空间投影到k维关系空间； TransR通过成对的排名损失鼓励正三元组和负三元组之间的差异，其损失函数如下所示： LKG＝∑-lnσsneg-spos 其中一个负三元组是通过随机替换对应协作知识图谱Gc上的一个正三元组h,r,t中的头实体或者尾实体被构造；协作知识图谱Gc是知识图谱和用户-项目交互图联合构成；σ是sigmoid函数；sneg是负三元组，soos是正三元组； 步骤1.2：信息传播 在协作知识图谱上进行信息传播，得到实体的邻域表示；考虑一个实体h，Nh＝{h,r,t|h,r,t∈Gc}表示实体h作为头实体时与其关联的三元组的集合；通过计算Nh的线性组合来得到h的领域表示： 其中，πh,r,t表示在信息传播过程中不同邻居实体对中心实体h的注意力权重，定义如下： 其中cos_sim为余弦相似性； 步骤1.3：信息聚合 使用GCN聚合器聚合h的表示eh和其领域表示来更新得到h的新表示，定义如下： 其中，σ为LeakyRelu激活函数；W为可训练的转化矩阵用来提取有用的传播信息；b为偏差； 步骤1.4：高阶传播 进一步的探索高阶连通性信息，收集从l-hop邻居传播来的信息；具体来说，递归的将一个实体的嵌入表示表述为： 其中，l表示距离中心实体h的距离；被定义如下： 预训练后的实体表示作为e0，参与初始的信息传播迭代；在迭代L层后，得到用户节点u的表示序列以及项目节点v的表示序列考虑到不同顺序的连通性信息，采用层聚合机制将每一步的表示连接到单个向量中，如下所示： 其中，||为连接运算符； 步骤2：在用户逻辑交互空间中进行偏好迁移 基于图卷积网络的架构，沿着用户逻辑交互空间UI进行二次信息传播，用以丰富冷启动用户的表示； 根据训练数据的分布情况确定一个阈值K1，用户-项目交互数目在阈值以下的用户称为信息不丰富的用户，即冷启动用户； 为了避免引入更多的噪声，偏好迁移只针对冷启动用户，并且进行信息传播时只考虑冷启动用户在用户逻辑交互空间中的1-hop邻居； 考虑到一个冷启动用户ucold，来表示在用户逻辑交互空间中与ucold相关联的三元组的集合，需要注意的是用户逻辑交互空间中的三元组是无方向的； 其中，IoU是与用户ucold交互的项目集和与用户u*交互的项目集之间的交并比，用来表示它们之间的关联程度，如下所示： 通过设置冷启动用户感受野来挑选出与冷启动用户关联性最强的K2个邻居用户，从而避免引入更多的噪声，如下所示： 其中，top_K2IoU,ur表示在采样邻域时只挑选与ucold关联性最强的前K2个邻居； 通过softmax函数对ucold感受野中的所有邻居的IoU进行归一化： 进一步计算的线性组合得到ucold的邻域表示： 其中，为步骤1中最终得到的用户ur的表示； 最后将冷启动用户ucold的表示和其邻域表示进行加法聚合，得到ucold偏好迁移后最终表示，如下所示： 其中仍然为步骤1中最终得到的用户ucold的表示； 步骤3：推荐预测 通过最终得到的用户表示和项目表示之间的内积来预测用户u和项目v之间的匹配分数，如下所示： 步骤4：优化 采用成对的BPR损失对知识感知推荐任务进行优化；具体来说，它假设用户的历史交互表明更多的用户偏好，应该比未观察到的交互分配更高的预测分数，定义如下： 其中，O＝{u,vs,vp|u,vs∈O+,u,vp∈O-}表示训练集；O+表示用户u的历史交互；O-表示用户u的未观察到的交互；σ是sigmoid函数； 联合LKG和LBPR得到最终的目标损失函数，如下所示： 其中，Θ是模型参数集；是为了防止模型过拟合而设置的λ参数化的一个L2正则化项。

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新疆河润科技有限公司，其通讯地址为：830000 新疆维吾尔自治区乌鲁木齐市甘泉堡经济技术开发区瀚海西街600号双创小镇培训中心6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”。

以上内容由龙图腾AI智能生成。