[发明专利]基于知识图谱与循环神经网络的推荐模型有效
| 申请号： | 201910562890.8 | 申请日： | 2019-06-26 |
| 公开（公告）号： | CN110275964B | 公开（公告）日： | 2023-07-14 |
| 发明（设计）人： | 程淑玉;黄淑桦 | 申请（专利权）人： | 程淑玉 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/9535;G06F16/9536;G06N3/084 |
| 代理公司： | 蚌埠鼎力专利商标事务所有限公司 34102 | 代理人： | 王琪 |
| 地址： | 233000 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明公开了一种基于知识图谱与循环神经网络的推荐模型，包括有知识图谱特征学习模块、扩散偏好集和循环神经网络推荐模块；知识图谱特征学习模块为知识图谱中的每个实体和关系学习得到一个低维向量，扩散偏好集包括有h+1层扩散偏好集 |
||
| 搜索关键词： | 基于 知识 图谱 循环 神经网络 推荐 模型 | ||
【主权项】：
1.基于知识图谱与循环神经网络的推荐模型，其特征在于：包括有知识图谱特征学习模块、扩散偏好集和循环神经网络推荐模块；所述的知识图谱特征学习模块为知识图谱中的每个实体和关系学习得到一个低维向量，降低知识图谱的高维性和异构性，同时保持图中原有的结构或语义信息；所述的扩散偏好集包括有h+1层扩散偏好集![]()
h为扩散层数，每层相邻的扩散偏好集之间通过知识图谱连接，相邻的两层扩散偏好集中，上一层扩散偏好集的每个实体通过知识图谱连接到下一层扩散偏好集的对应实体，最后得到整体扩散偏好集![]()
所述的循环神经网络推荐模块对用户扩散偏好集进行学习，获取包含更多有用信息的更深层次的用户偏好表示，用于后续预测用户喜欢某个物品的概率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于程淑玉，未经程淑玉许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910562890.8/，转载请声明来源钻瓜专利网。
