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！

龙图腾网获悉同济大学申请的专利一种基于知识图谱偏好传播的技术资源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：CN116166877B 。

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：202211569426.X，技术领域涉及：G06F16/9535；该发明授权一种基于知识图谱偏好传播的技术资源推荐方法是由柳先辉;吴文达设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种基于知识图谱偏好传播的技术资源推荐方法在说明书摘要公布了：一种基于知识图谱偏好传播的技术资源推荐方法，包含：步骤S1基于技术资源库、步骤S2对用户历史浏览数据进行数据预处理、步骤S3基于技术资源知识图谱与用户技术资源交互矩阵、步骤S4根据用户兴趣模型，对技术资源进行兴趣值排名。基于LDA模型抽取主题，考虑到不同节点关系之间的联系密切程度并用权重表示，提高了知识图谱的实用性；数据预处理时考虑到用户的兴趣随时间变化的问题，引入时间遗忘曲线，提高了推荐精度；在实现推荐算法时，既结合了基于嵌入的方法，使得方法能利用知识图谱的高维语义信息，易于实现，又结合了基于路径的方法，通过偏好传播引入知识图谱中的路径信息，提高推荐结果的可解释性。

本发明授权一种基于知识图谱偏好传播的技术资源推荐方法在权利要求书中公布了：1.一种基于知识图谱偏好传播的技术资源推荐方法，包含以下步骤： 步骤S1、基于技术资源库，使用LDA模型构建“节点-边-权重”模式的技术资源知识图谱； 步骤S2、对用户历史浏览数据进行数据预处理，引入时间遗忘曲线，得到用户技术资源交互矩阵； 步骤S3、基于技术资源知识图谱与用户技术资源交互矩阵，在推荐算法模块中使用偏好传播的方式计算出用户对每一技术资源的兴趣程度，构建用户兴趣模型； 步骤S4、根据用户兴趣模型，对技术资源进行兴趣值排名，可视化展示排名前列的技术资源结果并给出推荐理由; 在S3步骤中，所述的推荐算法模块，其特征在于，考虑到基于嵌入的方法缺乏可解释性，基于路径的方法难以设计与优化元路径的问题，对这两种方法进行了结合；一方面利用嵌入层计算得到所有技术资源的嵌入向量，利用其高维语义信息进行相似度计算与匹配，另一方面又引入偏好传播方法，让节点在知识图谱中沿着邻居节点进行扩散匹配寻找，且利用到图谱中的路径信息不需要手动设计元路径，提高推荐结果的可解释性; 步骤S3具体包括： 步骤S3-1、针对某一用户，输入该用户的技术资源交互矩阵，在知识图谱建立偏好传播的初始集,即用户浏览过的技术资源； 步骤S3-2、针对用户和某一技术资源，建立预测目标函数，即计算用户对技术资源的感兴趣程度，基于embedding层直接计算得到技术资源的嵌入向量； 步骤S3-3、根据知识图谱上的初始集，结合关系边的权重进行偏好传播，得到一跳传播集，计算传播集中每个技术资源与技术资源的嵌入向量相关性并加权求和，得到用户兴趣经过第一轮偏好传播后的结果，重复几轮偏好传播并加权求和得到用户的嵌入向量； 步骤S3-4、根据用户的嵌入向量计算其对特定技术资源的兴趣值； 步骤S3-5、改变，遍历技术资源库，重复步骤3-2、3-2、3-4，得到用户对技术资源库的兴趣模型; 所述步骤S3-3，目的是根据已有的技术资源的embedding计算出用户的嵌入向量；首先得到第一次偏好传播后的一跳传播集，对于集合中的第个三元组，计算其中的头实体和关系与给定技术资源v的相关性，相关性计算公式为： 其中为一跳传播集中第个三元组的头实体，为对应的三元组的关系；将头实体与关系相乘，再与技术资源相乘得到相关性得分，再通过softmax函数进行相关性得分的归一化操作，得到相关性； 计算用户兴趣经过第一轮偏好传播后的结果的公式为 其中为一跳传播集中第个三元组的尾实体；以相关性为权值，对所有进行加权求和得到用户兴趣的一轮传播结果； 用户的嵌入向量计算公式定义为： 其中表示用户兴趣的一轮传播结果，表示用户兴趣的二轮传播结果，计算方式类似；这里为了限制传播集的大小，仅传播两轮，将两轮结果相加得到。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；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。