基于多层次知识图谱的仪器推荐方法及装置制造方法及图纸

本发明专利技术提供一种基于多层次知识图谱的仪器推荐方法及装置，涉及仪器推荐技术领域，方法包括：获取目标用户的仪器使用数据，目标用户的仪器使用数据包括仪器使用信息和目标用户与仪器的交互信息；根据仪器使用信息，得到仪器知识图谱，以及根据目标用户与仪器的交互信息，得到仪器交互二部图；将仪器知识图谱和仪器交互二部图输入至仪器推荐模型中，得到仪器推荐模型输出的仪器推荐结果

【技术实现步骤摘要】
基于多层次知识图谱的仪器推荐方法及装置


[0001]本专利技术涉及仪器推荐
，尤其涉及一种基于多层次知识图谱的仪器推荐方法及装置
。

技术介绍

[0002]用户在挑选仪器时，如何挑选到适合的仪器是一个重要而且复杂的问题
。
如果仪器的配置超过用户每日所需，仪器的配置越好，相应价格也会越高；反之如果仪器的配置低于用户每日所需，用户的工作就会受到影响，例如，如果测试通量不够，或最大在机测试量不够，就会增加用户的操作时间，甚至不能满足日常测试需求
。
[0003]目前的推荐方法未充分考虑仪器交互行为的特殊性，无法应对仪器推荐的实际需求，而用户对于仪器的需求并不是单一的，是存在于多个层次和不同的类型中，这从本质上要求采取更加细致
、
具有针对性的建模方法来捕捉这些复杂的交互模式和需求，确保仪器推荐系统真实地反映用户的真实需求，并为其提供最合适的推荐
。

技术实现思路

[0004]本专利技术提供一种基于多层次知识图谱的仪器推荐方法及装置，用以解决现有技术中未考虑仪器交互行为以致影响推荐结果准确率的缺陷，合理预测推荐仪器，并提高推荐的准确性
。
[0005]本专利技术提供一种基于多层次知识图谱的仪器推荐方法，包括：获取目标用户的仪器使用数据，所述目标用户的仪器使用数据包括仪器使用信息和目标用户与仪器的交互信息；根据所述仪器使用信息，得到仪器知识图谱，以及根据所述目标用户与仪器的交互信息，得到仪器交互二部图；将所述仪器知识图谱和所述仪器交互二部图输入至仪器推荐模型中，得到所述仪器推荐模型输出的仪器推荐结果；其中，所述仪器推荐模型是根据仪器知识训练图谱
、
仪器交互二部训练图和仪器知识训练树训练得到的，所述仪器知识训练图谱是基于仪器历史使用数据得到的，所述仪器历史使用数据包括与用户存在交互的仪器第一仪器使用信息和与用户不存在交互的仪器对应的第二仪器使用信息，所述仪器交互二部训练图是基于所述第一仪器使用信息得到的，所述仪器知识训练树是基于与所述仪器历史使用数据对应仪器的历史功能数据得到的；所述仪器推荐模型用于分别对输入的仪器知识图谱和仪器交互二部图进行特征提取，并基于提取的仪器特征和用户交互特征进行匹配度评估，以根据匹配度评估结果得到仪器推荐结果
。
[0006]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，对输入的仪器知识图谱进行特征提取，包括：基于关系感知传播策略，对所述仪器知识图谱进行特征提取，得到对应仪器特征；对输入的仪器交互二部图进行特征提取，包括：基于关系感知传播策略，对所述仪器交互二部图进行特征提取，得到对应用户交互特征
。
[0007]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，训练仪器推荐模
型，包括：获取仪器历史使用数据以及对应仪器的历史功能数据，所述仪器历史使用数据包括与用户存在交互的第一仪器使用信息和与用户不存在交互的第二仪器使用信息；根据所述仪器历史使用数据，得到仪器知识训练图谱，根据所述第一仪器使用信息，得到仪器交互二部训练图，以及根据所述对应仪器的历史功能数据，得到仪器知识训练树；将所述仪器知识训练图谱
、
所述仪器交互二部训练图和所述仪器知识训练树输入至待训练的仪器推荐模型中，得到与用户存在交互关系的第一仪器训练特征
、
用户交互训练特征和与用户不存在交互关系的第二仪器训练特征以及分别对应的第一仪器解纠缠训练特征
、
用户解纠缠训练特征和第二仪器解纠缠训练特征；根据所述第一仪器训练特征
、
所述用户交互训练特征
、
所述第二仪器训练特征
、
所述第一仪器解纠缠训练特征
、
所述用户解纠缠训练特征和所述第二仪器解纠缠训练特征，构建损失函数，并基于损失函数收敛，结束训练
。
[0008]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，所述待训练的仪器推荐模型，包括：第一特征提取层，分别对所述仪器知识训练图谱和所述仪器交互二部训练图进行特征提取，得到对应与用户存在交互关系的第一仪器训练特征
、
与用户不存在交互关系的第二仪器训练特征和用户交互训练特征；第二特征提取层，分别对所述仪器知识训练图谱和所述仪器知识训练树进行特征提取，得到对应所述仪器知识训练图谱的第一训练特征和对应所述仪器知识训练树各层级的第二训练特征；信号检测层，针对所述仪器知识训练树的各个层级，基于所述第一训练特征和对应层级的第二训练特征，结合聚类算法，得到对应层级的监督信号；解纠缠特征学习层，基于所述各层级的监督信号
、
所述第一仪器训练特征和所述第二仪器训练特征，利用解纠缠仪器编码器，得到对应第一仪器解纠缠特征和第二仪器解纠缠特征，以及基于所述各层级的监督信号和所述用户交互训练特征，利用解纠缠用户编码器，得到用户解纠缠特征
。
[0009]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，所述针对所述仪器知识训练树的各个层级，基于所述第一训练特征和对应层级的第二训练特征，结合聚类算法，得到对应层级的监督信号，包括：所述针对所述仪器知识训练树的各层级，对所述第一训练特征和对应层级的第二训练特征进行信息融合，得到对应层级的混合训练特征；利用聚类算法，分别对各层级的混合训练特征进行聚类，得到各层级对应的聚类结果；提取各层级聚类结果中各簇的簇心，作为对应层级的监督信号
。
[0010]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，所述基于所述各层级的监督信号
、
所述第一仪器训练特征和所述第二仪器训练特征，利用解纠缠仪器编码器，得到对应第一仪器解纠缠特征和第二仪器解纠缠特征，包括：利用解纠缠仪器编码器，将所述第一仪器训练特征投影至所述仪器知识训练树各个层级，得到各层级上的第一仪器投影特征；以及，针对仪器知识训练树的各个层级，将对应层级的第一仪器投影特征投影至对应层级监督信号各簇心特征上，得到对应层级的第一仪器解纠缠特征；利用解纠缠仪器编码器，将所述第二仪器训练特征投影至所述仪器知识训练树各个层级，得到各层级上的第二仪器投影特征；以及，针对仪器知识训练树的各个层级，将对应层级的第二仪器投影特征投影至对应层级监督信号各簇心特征上，得到对应层级的第二仪器解纠缠特征；所述基于所述各层级的监督信号和所述用户交互训练特征，利用解纠缠用户编码器，得到用户解纠缠特征，包括：利用解纠缠用户编码器，将所述用户交互特征投影至各层级监督信号各簇心特征上，得到用户解纠缠特征
。
[0011]根据本专利技术提供的一种基于多层次知识图谱的仪器推荐方法，所述根据所述第一仪器训练特征
、
所述用户交互训练特征
、
所述第二仪器训练特征
、
所述第一仪器解纠缠训练特征
、
所述用户解纠缠训练特征和所述第二仪器解纠缠训练特征，构建损失函数，包括：根据所述第一仪器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多层次知识图谱的仪器推荐方法，其特征在于，包括：获取目标用户的仪器使用数据，所述目标用户的仪器使用数据包括仪器使用信息和目标用户与仪器的交互信息；根据所述仪器使用信息，得到仪器知识图谱，以及根据所述目标用户与仪器的交互信息，得到仪器交互二部图；将所述仪器知识图谱和所述仪器交互二部图输入至仪器推荐模型中，得到所述仪器推荐模型输出的仪器推荐结果；其中，所述仪器推荐模型是根据仪器知识训练图谱
、
仪器交互二部训练图和仪器知识训练树训练得到的，所述仪器知识训练图谱是基于仪器历史使用数据得到的，所述仪器历史使用数据包括与用户存在交互的仪器第一仪器使用信息和与用户不存在交互的仪器对应的第二仪器使用信息，所述仪器交互二部训练图是基于所述第一仪器使用信息得到的，所述仪器知识训练树是基于与所述仪器历史使用数据对应仪器的历史功能数据得到的；所述仪器推荐模型用于分别对输入的仪器知识图谱和仪器交互二部图进行特征提取，并基于提取的仪器特征和用户交互特征进行匹配度评估，以根据匹配度评估结果得到仪器推荐结果
。2.
根据权利要求1所述的基于多层次知识图谱的仪器推荐方法，其特征在于，对输入的仪器知识图谱进行特征提取，包括：基于关系感知传播策略，对所述仪器知识图谱进行特征提取，得到对应仪器特征；对输入的仪器交互二部图进行特征提取，包括：基于关系感知传播策略，对所述仪器交互二部图进行特征提取，得到对应用户交互特征
。3.
根据权利要求1所述的基于多层次知识图谱的仪器推荐方法，其特征在于，训练仪器推荐模型，包括：获取仪器历史使用数据以及对应仪器的历史功能数据，所述仪器历史使用数据包括与用户存在交互的第一仪器使用信息和与用户不存在交互的第二仪器使用信息；根据所述仪器历史使用数据，得到仪器知识训练图谱，根据所述第一仪器使用信息，得到仪器交互二部训练图，以及根据所述对应仪器的历史功能数据，得到仪器知识训练树；将所述仪器知识训练图谱
、
所述仪器交互二部训练图和所述仪器知识训练树输入至待训练的仪器推荐模型中，得到与用户存在交互关系的第一仪器训练特征
、
用户交互训练特征和与用户不存在交互关系的第二仪器训练特征以及分别对应的第一仪器解纠缠训练特征
、
用户解纠缠训练特征和第二仪器解纠缠训练特征；根据所述第一仪器训练特征
、
所述用户交互训练特征
、
所述第二仪器训练特征
、
所述第一仪器解纠缠训练特征
、
所述用户解纠缠训练特征和所述第二仪器解纠缠训练特征，构建损失函数，并基于损失函数收敛，结束训练
。4.
根据权利要求3所述的基于多层次知识图谱的仪器推荐方法，其特征在于，所述待训练的仪器推荐模型，包括：第一特征提取层，分别对所述仪器知识训练图谱和所述仪器交互二部训练图进行特征提取，得到对应与用户存在交互关系的第一仪器训练特征
、
与用户不存在交互关系的第二仪器训练特征和用户交互训练特征；
第二特征提取层，分别对所述仪器知识训练图谱和所述仪器知识训练树进行特征提取，得到对应所述仪器知识训练图谱的第一训练特征和对应所述仪器知识训练树各层级的第二训练特征；信号检测层，针对所述仪器知识训练树的各个层级，基于所述第一训练特征和对应层级的第二训练特征，结合聚类算法，得到对应层级的监督信号；解纠缠特征学习层，基于所述各层级的监督信号
、
所述第一仪器训练特征和所述第二仪器训练特征，利用解纠缠仪器编码器，得到对应第一仪器解纠缠特征和第二仪器解纠缠特征，以及基于所述各层级的监督信号和所述用户交互训练特征，利用解纠缠用户编码器，得到用户解纠缠特征
。5.
根据权利要求4所述的基于多层次知识图谱的仪器推荐方法，其特征在于，所述针对所述仪器知识训练树的各个层级，基于所述第一训练特征和对应层级的第二训练特征...

【专利技术属性】
技术研发人员：付雪林，高宸，韩啸，秦荧瑢，王涛，安重阳，唐海霞，李勇，
申请(专利权)人：清华大学，
类型：发明
国别省市：