[发明专利]一种基于图神经网络的警务学习内容推荐方法

权利要求书

1.一种基于图神经网络的警务学习内容推荐方法，用于实现与目标警务学习内容相关的各学习内容的推荐，其特征在于：按预设周期执行如下步骤A至步骤F，实现警务学习内容推荐模型的获得与更新，然后按步骤I至步骤III，基于警务学习内容推荐模型，实现与目标警务学习内容相关的各学习内容的推荐；

步骤A.针对指定各数据源进行数据爬取，获得其中的各条数据内容，构成各条待处理数据，然后进入步骤B；

步骤B.针对各条待处理数据进行去重处理，然后分别针对剩余各条待处理数据，按预设敏感词库进行敏感词去除操作，更新获得各条待推荐数据，并加入待推荐数据库，针对待推荐数据库进行更新，然后进入步骤C；

步骤C.分别针对待推荐数据库中的各条待推荐数据，获得待推荐数据所对应的多维词向量，进而获得待推荐数据库中各条待推荐数据分别所对应的多维词向量，然后进入步骤D；

步骤D.以待推荐数据库中的各条待推荐数据作为各个节点，待推荐数据所对应的多维词向量作为节点值，并针对两两节点之间进行连线，构建图神经网络架构，然后进入步骤E；

步骤E.根据图神经网络架构中各节点的节点值，获得图神经网络架构中两两节点之间的余弦距离，并删除其中余弦距离大于预设距离上限值的各条连线，然后针对剩余各条连线，以连线所对应两节点之间的余弦距离作为连线的权重，由此更新图神经网络架构，然后进入步骤F；

步骤F.根据图神经网络架构中各节点分别所对应的多维词向量、以及所存在节点之间连线的权重，应用随机游走算法计算更新各节点分别所对应的多维词向量，更新图神经网络架构，作为警务学习内容推荐模型；

步骤I.针对来自待推荐数据库中的目标警务学习内容，获得目标警务学习内容所对应警务学习内容推荐模型中的节点，作为目标节点，然后进入步骤II；

步骤II.根据警务学习内容推荐模型中各节点的节点值，获得目标节点分别与其余各节点之间的余弦距离，并获得其中余弦距离小于预设距离下限值的各个节点，作为目标待推荐节点，然后进入步骤III；

步骤III.获得各个目标待推荐节点分别所对应待推荐数据库中的待推荐数据，作为与目标警务学习内容相关的各学习推荐内容，用于推荐。

2.根据权利要求1所述一种基于图神经网络的警务学习内容推荐方法，其特征在于：所述步骤B包括如下步骤B1至步骤B5；

步骤B1.选取各条待处理数据中未参与去重处理的一条待处理数据，作为当前待处理数据，判断当前待处理数据中是否存在来源标题，是则进入步骤B2；否则判定当前待处理数据唯一，并标记当前待处理数据已参与去重处理，然后进入步骤B3；

步骤B2.判断来源标题所对应的来源数据是否位于各条待处理数据中，是则删除当前待处理数据，然后进入步骤B3；否则将当前待处理数据放入转载集合当中，然后进入步骤B3；

步骤B3.判断剩余各条待处理数据中是否存在未参与去重处理的待处理数据，是则返回步骤B1；否则进入步骤B4；

步骤B4.分别针对转载集合中全部待处理数据所涉及的各个不同来源标题，判断来源标题所对应待处理数据的数量是否为1，是则判定该来源标题所对应待处理数据唯一；否则针对该来源标题所对应的各个待处理数据，仅保留其中任意一个待处理数据，删除其余的待处理数据；待完成分别针对各个不同来源标题的上述操作后，剩余各个待处理数据即为经过去重处理后所获的各个待处理数据，然后进入步骤B5；

步骤B5.分别针对各个待处理数据，预设敏感词库，针对待处理数据进行敏感词去除操作，更新该待处理数据；进而更新各条待处理数据，作为各条待推荐数据，并加入待推荐数据库，针对待推荐数据库进行更新，然后进入步骤C。

3.根据权利要求1所述一种基于图神经网络的警务学习内容推荐方法，其特征在于：所述步骤A中，应用爬虫框架scrapy，针对指定各数据源进行数据爬取，获得其中的各条数据内容，构成各条待处理数据。

4.根据权利要求1所述一种基于图神经网络的警务学习内容推荐方法，其特征在于：所述步骤C中，分别针对待推荐数据库中的各条待推荐数据，应用word2vec算法，获得待推荐数据所对应的多维词向量，进而获得待推荐数据库中各条待推荐数据分别所对应的多维词向量。