跨域推荐方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115098692A(43)申请公布日2022.09.23(21)申请号202210614778.6G06F40/30(2020.01)(22)申请日2022.05.30G06Q30/06(2012.01)(71)申请人清华大学地址100084北京市海淀区双清路30号清华大学清华园北京100084-82信箱(72)发明人李涓子李亚坤侯磊褚晓泉孟斌杰张鹏唐杰许斌(74)专利代理机构北京路浩知识产权代理有限公司11002专利代理师刘亚平(51)Int.Cl.G06F16/36(2019.01)G06F16/335(2019.01)G06F16/9535(2019.01)G06F40/295(2020.01)权利要求书3页说明书14页附图4页(54)发明名称跨域推荐方法、装置、电子设备及存储介质(57)摘要本发明提供一种跨域推荐方法、装置、电子设备及存储介质，其中，所述方法应用于数据稀疏的目标域，目标域的目标域实体包括待推荐用户实体和待推荐商品实体，所述方法包括：获取知识图谱和源域，其中，源域中的源域实体包括源域用户实体和源域商品实体；基于知识图谱，对目标域实体和源域实体进行转换，得到目标域实体向量和源域实体向量；基于目标域实体向量和源域实体向量，通过图注意力模型得到待推荐用户实体的融合偏好特征；基于待推荐用户实体的融合偏好特征，通过跨域贝叶斯机制进行推荐，得到待推荐用户实体关于待推荐商品实体的推荐排序。通过本发明提高了对待推荐用户实体进行商品实体推荐的推荐效率。CN115098692ACN115098692A权利要求书1/3页1.一种跨域推荐方法，其特征在于，所述方法应用于数据稀疏的目标域，所述目标域的目标域实体包括待推荐用户实体和待推荐商品实体，所述方法包括：获取知识图谱和源域，其中，所述源域中的源域实体包括源域用户实体和源域商品实体；基于所述知识图谱，对所述目标域实体和所述源域实体进行转换，得到目标域实体向量和源域实体向量；基于所述目标域实体向量和所述源域实体向量，通过图注意力模型得到所述待推荐用户实体的融合偏好特征，其中，所述图注意力模型通过预训练得到；基于所述待推荐用户实体的融合偏好特征，通过跨域贝叶斯机制进行推荐，得到所述待推荐用户实体关于所述待推荐商品实体的推荐排序。2.根据权利要求1所述的跨域推荐方法，其特征在于，所述基于所述知识图谱，对所述目标域实体和所述源域实体进行转换，得到目标域实体向量和源域实体向量，具体包括：基于所述知识图谱、所述目标域实体和所述源域实体，得到协同知识图谱，其中，所述协同知识图谱中包括所述目标域实体的数据和所述源域实体的数据；基于所述协同知识图谱，通过知识表示模型对所述目标域实体和所述源域实体进行转换，得到目标域实体向量和源域实体向量，其中，所述知识表示模型通过预训练得到。3.根据权利要求1所述的跨域推荐方法，其特征在于，所述基于所述目标域实体向量和所述源域实体向量，通过图注意力模型得到所述待推荐用户实体的融合偏好特征，具体包括：基于所述目标域实体向量，通过所述图注意力模型得到所述待推荐用户实体在所述目标域内的域内偏好特征；基于所述源域实体向量，通过所述图注意力模型得到所述待推荐用户实体关于所述源域的跨域偏好特征；基于所述域内偏好特征和所述跨域偏好特征，得到所述待推荐用户实体的融合偏好特征。4.根据权利要求3所述的跨域推荐方法，其特征在于，所述基于所述目标域实体向量，通过所述图注意力模型得到所述待推荐用户实体在所述目标域内的域内偏好特征，具体包括：基于所述目标域实体向量，通过多跳推理机制确定所述待推荐用户实体在所述目标域内的多个域内相似邻居；通过所述图注意力模型确定所述域内相似邻居的注意力权重；对所述域内相似邻居的注意力权重进行归一化处理，得到所述域内相似邻居的偏好注意力系数；基于各个所述域内相似邻居的偏好注意力系数的加权和，得到所述待推荐用户实体在所述目标域内的域内偏好特征。5.根据权利要求3所述的跨域推荐方法，其特征在于，所述基于所述源域实体向量，通过所述图注意力模型得到所述待推荐用户实体关于所述源域的跨域偏好特征，具体包括：基于所述源域实体向量，通过随机游走机制确定所述待推荐用户实体在所述源域内的跨域相似邻居；2CN115098692A权利要求书2/3页通过所述图注意力模型确定所述跨域相似邻居的注意力权重；基于所述目标域实体向量，确定所述待推荐用户实体的原始注意力向量权重；对所述跨域相似邻居的注意力权重和所述待推荐用户实体的原始注意力向量权重进行全连接处理，得到所述待推荐用户实体关于所述源域的跨域偏好特征。6.根据权利要求3所述的跨域推荐方法，其特征在于，所述基于所述域内偏好特征和所述跨域偏好特征，得到所述待推荐用户实体的