一种基于企业特征传播的企业服务推荐方法技术

一种基于企业特征传播的企业服务推荐方法，利用企业特征间关联的知识图谱，利用目标服务对交互记录中的企业进行特征传播，自动挖掘企业关联路径，刻画出企业之间关联特征，与企业特征结合，利用新的损失函数结合深度学习得到企业与服务的交互概率，能够解决通用框架仅使用交互数据以及基本信息而偏离企业间关系而导致的推荐效果不好等问题，实现对企业的服务方案精准推荐。通过对企业间关系自动挖掘，发现企业间关联路径，及企业特征进行交互预测评分，通过目标服务对交互记录中企业的特征传播以及交互框架，来解决企业对服务方案选择困难的问题。择困难的问题。择困难的问题。

【技术实现步骤摘要】
一种基于企业特征传播的企业服务推荐方法


[0001]本专利技术涉及深度学习
，具体涉及一种基于企业特征传播的企业服务推荐 方法。

技术介绍

[0002]随着经济的高速发展、中小微企业成为当前国家发展的重要力量，在改善民生， 促进就业，刺激经济等方面有着不可替代的作用，其具有快速变化的业务和不完 善的企业服务供给体系，而企业服务对中小微企业的发展起着重要作用。在海量 的企业服务面前，难以精准的找到合适的企业服务方案，因此对于企业的服务方 案的智能推荐就显得尤为重要。
[0003]在以往的推荐系统中，主要传统推荐算法得到了广泛应用。随着深度学习的不断 发展，其在推荐系统中也表现出优越的性能。但在这些推荐算法中，使用了普通 的交互信息以及辅助信息，但在企业服务推荐中，难以映射企业所属特征，以及 企业间的关联。手动设计企业关联的元路径工作量极大，很难更深的挖掘关联关 系，企业复杂的业务需求无法完整的反映，使得无法挖掘企业所需的潜在服务。

技术实现思路

[0004]本专利技术为了克服以上技术的不足，提供了一种通过对企业建立新本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于企业特征传播的企业服务推荐方法，其特征在于，包括如下步骤：a)获取n个企业经营数据，该数据中每个企业具有企业属性表C、服务属性表S及服务交互记录表R，将n个企业经营数据进行标准化处理；b)在标准化处理后的数据中根据企业属性表C中的经营状态、所属行业、企业类型、经营范围和业务范围5个类别字段，使相同值进行连接，得到知识图谱<head,e,tail>，其中head为头实体，tail为尾实体，e为头尾实体间关系；c)在服务交互记录表R中搜索目标预测服务s中包含的交互企业c
′
，s∈S，c
′
∈C，将搜索记录添加到目标预测服务s中形成企业交互集合Set
s
；d)利用知识图谱<head,e,tail>将企业交互集合Set
s
中企业作为head节点，通过头尾实体间关系e寻找尾实体tail，将寻找到的尾实体tail组成的集合建立第一次传播集合将作为head节点，通过头尾实体间关系e寻找尾实体，将寻找到的尾实体tail组成的集合建立第二次传播集合重复上述循环，直至将作为head节点，通过头尾实体间关系e寻找尾实体，将寻找到的尾实体tail组成的集合建立第n次传播集合e)随机初始化所有企业的embedding编码和n个转化矩阵r，n为传播次数，embedding编码和转化矩阵r的训练的目标为h
×
r＝t，h为头实体的embedding，t为尾实体的embedding，h、r、t的维度均为d；f)通过公式w
i
＝h
i
r
τ
c
o
计算相似度权重w
i
，式中c
o
为目标企业c的embedding编码，h
i
为传播集合中第i个企业的embedding编码，τ∈{1,...,n}，r
τ
为第τ次传播的转化矩阵，w
i
的维度为d；g)通过公式计算目标服务的转换向量a
τ
，a
τ
∈R
d
，R为实数，d嵌入维度，w
i
为传播集合中的企业的embedding编码；h)随机初始化二维合并矩阵T∈R
d
×
d
，通过公式计算目标服务特征向量v
τ
；i)重复步骤h)直至得到n个企业服务表示向量v1,...,v
n
；j)通过公式计算目标企业c对目标预测服务s采纳的概率，完成企业特征传播预训练模型的建立；k)通过公式计算损失函数L，式中为预测值，y为预测企业和服务对应的标签，log为以e为底的对数函数，α∈(0,1)，α为权重，为第τ次传播下，传播集合中的第i个企业的embedding编码，为为第τ次传播下，传播集合中的第i个企业对应尾结点的embedding编码；
l)对企业属性表C中企业经营范围关键词使用multi
‑
hot编码，得到编码后的输出结果I
k
，对企业属性表C中证照类信息l1,l2,...,l

【专利技术属性】
技术研发人员：王英龙，张翰中，舒明雷，周书旺，刘照阳，
申请(专利权)人：山东省计算中心国家超级计算济南中心山东科技大学，
类型：发明
国别省市：