[发明专利]基于知识图谱和Transformer的专利推荐方法有效
| 申请号： | 201910831234.3 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110737778B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 欧中洪;刘科孟;吴金盛;谭言信;宋美娜;宋俊德 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36;G06F16/9535;G06F40/295;G06N3/04;G06N3/08;G06Q50/18 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 王艳斌 |
| 地址： | 100876 北京市海淀区西*** | 国省代码： | 北京;11 |
| 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和Transformer的专利推荐方法，包括以下步骤：爬取专利资源库构建知识图谱；通过图卷积网络和注意力机制的混合模型挖掘知识图谱，得到用户和专利的内容特征表示向量；通过Transformer模型挖掘用户信息，得到用户历史偏好的序列特征向量；将内容特征表示向量和序列特征向量级联结合，输入Transformer模型的Softmax层计算，得到多个候选专利被推荐的概率值；对多个概率值进行Top‑k排序，得到Top‑k个专利作为目标用户的推荐结果。该方法采用知识图谱丰富特征表示，采用Transformer挖掘行为序列特征，提高推荐结果的精准性和可解释性。 | ||
| 搜索关键词： | 基于 知识 图谱 transformer 专利 推荐 方法 | ||
【主权项】：
1.一种基于知识图谱和Transformer的专利推荐方法，其特征在于，包括以下步骤：/n爬取专利资源库得到专利信息和用户信息，并根据所述专利信息和所述用户信息构建知识图谱；/n通过图卷积网络和注意力机制的混合模型挖掘所述知识图谱，得到用户和专利的内容特征表示向量；/n通过Transformer模型挖掘所述用户信息，得到用户历史偏好的序列特征向量；/n将所述内容特征表示向量和所述序列特征向量级联结合，输入所述Transformer模型的Softmax层进行计算，得到多个候选专利被推荐的概率值；/n对所述多个候选专利被推荐的概率值进行Top-k排序，得到Top-k个专利作为目标用户的推荐结果。/n
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北京邮电大学，未经北京邮电大学许可，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/201910831234.3/，转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法
