一种知识推荐的方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种知识推荐的方法、系统、装置及存储介质。该方法通过。该系统包括。通过获取用户数据；并根据所述用户数据构建用户子超图；接着，对所述用户子超图进行特征提取，得到用户数据表达向量；然后获取知识数据；并根据所述知识数据构建知识子超图；对所述知识子超图进行特征提取，得到知识数据表达向量；最后，根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表。该方法将图神经网络的卷积方式推广到超图结构，最大限度还原原始数据之间的关系和结构特点，在超图上运用超图卷积的方法实现逐层信息提取，提高了推荐结果的准确性，同时增加了推荐结果的多样性。本发明专利技术可广泛应用于人工智能技术领域内。发明专利技术可广泛应用于人工智能技术领域内。发明专利技术可广泛应用于人工智能技术领域内。

【技术实现步骤摘要】
一种知识推荐的方法、系统、装置及存储介质


[0001]本专利技术涉及人工智能
，尤其是一种知识推荐的方法、系统、装置及存储介质。

技术介绍

[0002]站在用户的角度，所面对的海量数据，绝大部分对于用户而言都是一个信息黑盒子，用户不知道这些数据有什么特点，跟用户当前的需求之间有什么关联，也不知道这个数据对自己会产生多少价值和帮助。而站在数据本身的角度，他自身的信息内容、信息价值是确定的，但是这个数据会对哪些用户产生帮助，数据本身是无法感知的。
[0003]综上所述，相关技术中存在的问题亟需得到解决。

技术实现思路

[0004]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本专利技术实施例的一个目的在于提供知识推荐的方法、系统、装置和存储介质。
[0006]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0007]一方面，本专利技术实施例提供了一种知识推荐的方法，包括以下步骤：
[0008]获取用户数据；
[0009]根据所述用户数据构建用户子超图；
[0010]对所述用户子超图进行特征提取，得到用户数据表达向量；
[0011]获取知识数据；
[0012]根据所述知识数据构建知识子超图；
[0013]对所述知识子超图进行特征提取，得到知识数据表达向量；
[0014]根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表。
[0015]进一步地，所述根据所述用户数据构建用户子超图这一步骤，包括：
[0016]根据所述用户数据计算用户影响力；
[0017]根据所述用户影响力确定超边中心候选集；
[0018]根据所述用户数据构建用户子超图超边；
[0019]根据所述用户数据、所述超边中心候选集和所述用户子超图超边构建用户子超图。
[0020]进一步地，所述对所述用户子超图进行特征提取，得到用户数据表达向量这一步骤，包括：
[0021]根据所述用户数据计算用户基础影响力；
[0022]根据所述用户数据计算用户流量影响力；
[0023]根据所述用户基础影响力和所述用户流量影响力计算用户影响力。
[0024]进一步地，所述对所述用户子超图进行特征提取，得到用户数据表达向量这一步
骤，包括：
[0025]通过超图卷积对所述用户子超图进行特征提取，得到用户数据表达向量。
[0026]进一步地，所述根据所述知识数据构建知识子超图这一步骤，包括：
[0027]根据所述知识数据进行超边提取，得到知识子超图超边；
[0028]通过同质图卷积获取知识节点；
[0029]根据所述知识数据、所述知识节点和所述知识子超图超边构建用户子超图。
[0030]进一步地，所述对所述知识子超图进行特征提取，得到知识数据表达向量这一步骤，包括：
[0031]通过超图卷积对所述知识子超图进行特征提取，得到知识数据表达向量。
[0032]进一步地，所述根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表，包括：
[0033]根据所述用户数据表达向量和所述知识数据表达向量，得到知识推荐预测评价；
[0034]根据业务需求将所述知识推荐预测评价进行选择评价，生成知识推荐列表。
[0035]另一方面，本专利技术实施例提出了一种知识推荐的系统，包括：
[0036]第一模块，用于获取用户数据；
[0037]第二模块，用于根据所述用户数据构建用户子超图；
[0038]第三模块，用于对所述用户子超图进行特征提取，得到用户数据表达向量；
[0039]第四模块，用于获取知识数据；
[0040]第五模块，用于根据所述知识数据构建知识子超图；
[0041]第六模块，用于对所述知识子超图进行特征提取，得到知识数据表达向量；
[0042]第七模块，用于根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表。
[0043]另一方面，本专利技术实施例提供了一种知识推荐的装置，包括：
[0044]至少一个处理器；
[0045]至少一个存储器，用于存储至少一个程序；
[0046]当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现所述的知识推荐的方法。
[0047]另一方面，本专利技术实施例提供了一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于实现所述的知识推荐的方法。
[0048]本专利技术公开了一种知识推荐的方法，具备如下有益效果：
[0049]本实施例通过获取用户数据；并根据所述用户数据构建用户子超图；接着，对所述用户子超图进行特征提取，得到用户数据表达向量；然后获取知识数据；并根据所述知识数据构建知识子超图；对所述知识子超图进行特征提取，得到知识数据表达向量；最后，根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表。该方法将图神经网络的卷积方式推广到超图结构，最大限度还原原始数据之间的关系和结构特点，在超图上运用超图卷积的方法实现逐层信息提取，提高了推荐结果的准确性，同时增加了推荐结果的多样性。
附图说明
[0050]为了更清楚地说明本专利技术实施例或者现有技术中的技术方案，下面对本专利技术实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本专利技术的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
[0051]图1为本申请实施例中提供的一种知识推荐的方法的实施环境示意图；
[0052]图2为本专利技术实施例提供的一种知识推荐的方法的流程示意图；
[0053]图3为本专利技术实施例提供的一种知识特征提取方法的流程示意图；
[0054]图4为本专利技术实施例提供的一种知识推荐的系统的结构示意图；
[0055]图5为本专利技术实施例提供的一种知识推荐的装置的结构示意图。
具体实施方式
[0056]本部分将详细描述本专利技术的具体实施例，本专利技术之较佳实施例在附图中示出，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本专利技术的每个技术特征和整体技术方案，但其不能理解为对本专利技术保护范围的限制。
[0057]在本专利技术实施例的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数，“至少一个”是指一个或者多个，“以下至少一项”及其类似表达，是指的这些项中的任意组合，包括单项或复数项的任意组合。如果有描述到“第一”、“第二”等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0058]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种知识推荐的方法，其特征在于，包括以下步骤：获取用户数据；根据所述用户数据构建用户子超图；对所述用户子超图进行特征提取，得到用户数据表达向量；获取知识数据；根据所述知识数据构建知识子超图；对所述知识子超图进行特征提取，得到知识数据表达向量；根据所述用户数据表达向量和所述知识数据表达向量生成知识推荐列表。2.根据权利要求1所述的知识推荐的方法，其特征在于，所述根据所述用户数据构建用户子超图这一步骤，包括：根据所述用户数据计算用户影响力；根据所述用户影响力确定超边中心候选集；根据所述用户数据构建用户子超图超边；根据所述用户数据、所述超边中心候选集和所述用户子超图超边构建用户子超图。3.根据权利要求2所述的知识推荐的方法，其特征在于，所述对所述用户子超图进行特征提取，得到用户数据表达向量这一步骤，包括：根据所述用户数据计算用户基础影响力；根据所述用户数据计算用户流量影响力；根据所述用户基础影响力和所述用户流量影响力计算用户影响力。4.根据权利要求1所述的知识推荐的方法，其特征在于，所述对所述用户子超图进行特征提取，得到用户数据表达向量这一步骤，包括：通过超图卷积对所述用户子超图进行特征提取，得到用户数据表达向量。5.根据权利要求1所述的知识推荐的方法，其特征在于，所述根据所述知识数据构建知识子超图这一步骤，包括：根据所述知识数据进行超边提取，得到知识子超图超边；通过同质图卷积获取知识节点；根据所述知识数据、所述知识节点和所述知识子超图超边构建用户子超图。6.根据权利要求...

【专利技术属性】
技术研发人员：李月，李琳，陈丽，关少珊，周江，王槐彬，
申请(专利权)人：广东交通职业技术学院，
类型：发明
国别省市：