[发明专利]基于异质多元关系融合的知识密集型服务推荐方法

说明书

本发明公开了基于异质多元关系融合的知识密集型服务推荐方法，包括以下步骤：S1:构建异构信息网络，获取异构信息网络中的异质多元关系；S2:融合所述异质多元关系，学习雇主和服务的综合向量表示；S3:基于雇主和服务的综合向量表示获取预测值，根据所述预测值给每个雇主推荐服务。本发明可以较好的实现工业领域中雇主知识密集型服务需求挖掘，可以帮助面临信息过载的非专业用户在大量的专业化应用中发现自己感兴趣的知识密集型服务，有助于增加雇主对平台的粘性，促进销售，并提高平台的服务质量和利润。

技术领域

本发明涉及推荐技术领域，具体涉及一种基于异质多元关系融合的知识密集型服务推荐方法。

背景技术

推荐方法被各种在线平台用于预测和推荐用户感兴趣的产品或服务，在提高产品或服务销售率、曝光率，缓解信息过载方面具有突出的作用。如淘宝、亚马逊等平台的推荐方法利用用户的历史交易、浏览、点击、评价等行为数据分析用户的偏好，预测并推荐用户最可能购买的服务或产品。但是现有推荐方法主要用于消费领域向用户推荐标准化的产品或服务。这些标准化的产品或服务同时被大量的用户使用。与标准化产品或服务不同，工业设计、工业智造、市场研究、动漫设计、软件研发等知识密集型服务是依雇主需求高度定制化的，且每个雇主购买的每项知识密集型服务的具体内容因隐私保护，不会对外公开。因此，现有用于消费领域的推荐方法用于工业领域推荐知识密集型服务的准确性不高。

服务市场和信息与通讯技术的快速发展，为知识密集型服务在线交易提供了基础。如ZBJ.com,Upwork,和99designs等平台专注于服务知识密集型服务的在线交易。随着知识密集型服务在线交易频率和交易数量的提升，一些推荐方法被运用于知识密集型服务平台，以缓解信息过载问题。但是现有推荐方法主要帮助工作者在大量定制化知识密集型服务需求中找到与其兴趣和能力高度相关的任务，或根据用户提交的需求信息向用户推荐知识资源(信息或人力资源)。当前，知识密集型服务平台缺乏探索雇主潜在知识密集型服务需求并推荐服务的推荐方法。为促进销售，提高平台服务质量和利润，急需研发知识密集型服务推荐方法以探索雇主知识密集型服务间存在的关系(或雇主的知识密集型服务需求偏好)，并推荐服务。

发明内容

针对现有技术中的缺陷，本发明提供一种基于异质多元关系融合的知识密集型服务推荐方法，包括以下步骤：

S1:构建异构信息网络，获取异构信息网络中的异质多元关系；

S2:融合所述异质多元关系，学习雇主和服务的综合向量表示；

S3:基于雇主和服务的综合向量表示获取预测值，根据所述预测值给每个雇主推荐服务。

优选地，步骤S1中，构建异构信息网络的方法包括以下步骤：

S11：构建知识密集型服务信息网络的网络模式，以示意知识密集型服务信息网络中的对象类型及其交互关系；其中，所述对象类型包括雇主、服务、知识、商业活动和工人，所述交互关系包括雇主-服务、知识-服务、商业活动-服务和工人-服务；

S12:获取原始数据并对原始数据进行预处理，建立对象关系；其中，所述对象关系包雇主-服务关系、商业活动-服务关系、工人-服务关系、服务-服务知识相似性关系；

S13:链接所有对象关系，构建知识密集服务的异构信息网络。

优选地，步骤S1中，获取异构信息网络中的异质多元关系的方法具体为：设计元路径，采用随机游走策略，按照设计的元路径获取异构信息网络中的异质多元关系。

优选地，步骤S2中，融合所述异质多元关系，学习雇主和服务的综合向量表示的方法包括以下步骤：

S21:融合每条元路径获取的异质多元关系，学习雇主和服务语义特定的向量表示；

S22:融合来所有元路径的异质多元关系，学习雇主和服务的综合向量表示。