買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中南大學(xué)申請(qǐng)的專利一種科技文獻(xiàn)推薦方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115658862B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211291535.X，技術(shù)領(lǐng)域涉及：G06F16/332；該發(fā)明授權(quán)一種科技文獻(xiàn)推薦方法是由楊柳;謝冰媛;龍軍;陳庭軒;王子冬設(shè)計(jì)研發(fā)完成，并于2022-10-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種科技文獻(xiàn)推薦方法在說(shuō)明書摘要公布了：本發(fā)明提供了一種科技文獻(xiàn)推薦方法通過(guò)采集科技文獻(xiàn)相關(guān)數(shù)據(jù)構(gòu)建科技文獻(xiàn)知識(shí)圖譜，同時(shí)收集并處理用戶在系統(tǒng)產(chǎn)生的交互數(shù)據(jù)，設(shè)計(jì)融合用戶行為特征與知識(shí)表示的推薦模型。相較于現(xiàn)有推薦模型，一方面基于用戶面向科技文獻(xiàn)資源提出的自然語(yǔ)言查詢，分析用戶偏好對(duì)科技文獻(xiàn)知識(shí)圖譜產(chǎn)生的語(yǔ)義影響，提取隱含在用戶信息中的關(guān)系語(yǔ)義特征，建立融入關(guān)系語(yǔ)義的知識(shí)表示學(xué)習(xí)模型，用以提高科技文獻(xiàn)等知識(shí)的語(yǔ)義表征；另一方面基于用戶的歷史行為交互數(shù)據(jù)，結(jié)合知識(shí)表示學(xué)習(xí)模型深入分析關(guān)系與實(shí)體對(duì)用戶偏好的語(yǔ)義影響，建立多層次偏好感知的推薦模型，用以提高用戶與科技文獻(xiàn)之間的語(yǔ)義關(guān)聯(lián)。

本發(fā)明授權(quán)一種科技文獻(xiàn)推薦方法在權(quán)利要求書中公布了：1.一種科技文獻(xiàn)推薦方法，其特征在于，包括以下步驟： S1：構(gòu)建科技文獻(xiàn)知識(shí)圖譜：對(duì)科技文獻(xiàn)資源數(shù)據(jù)進(jìn)行爬取，得到非結(jié)構(gòu)化文本數(shù)據(jù)；從非結(jié)構(gòu)化文本數(shù)據(jù)中抽取與科技文獻(xiàn)相關(guān)的實(shí)體和關(guān)系，得到實(shí)體集和關(guān)系集，并通過(guò)實(shí)體集和關(guān)系集構(gòu)建三元組集合，結(jié)合實(shí)體集、關(guān)系集以及三元組集合，構(gòu)建科技文獻(xiàn)知識(shí)圖譜； S2：構(gòu)建用戶的交互數(shù)據(jù)庫(kù)：收集用戶對(duì)于科技文獻(xiàn)知識(shí)圖譜的歷史行為交互數(shù)據(jù)；收集用戶面向科技文獻(xiàn)知識(shí)圖譜提出的自然語(yǔ)言查詢，并將自然語(yǔ)言查詢轉(zhuǎn)化為SPARQL查詢語(yǔ)句；存儲(chǔ)歷史行為交互數(shù)據(jù)以及SPARQL查詢語(yǔ)句； S3：基于用戶的交互數(shù)據(jù)庫(kù)和科技文獻(xiàn)知識(shí)圖譜建立用戶偏好模型，所述用戶偏好模型包括知識(shí)表示學(xué)習(xí)模型以及推薦模型，用戶偏好模型構(gòu)建過(guò)程具體包括： S3-1：基于SPARQL查詢語(yǔ)句結(jié)合科技文獻(xiàn)知識(shí)圖譜構(gòu)建知識(shí)表示學(xué)習(xí)模型； S3-2：基于歷史行為交互數(shù)據(jù)構(gòu)建推薦模型，具體包括： S3-2-1：計(jì)算歷史行為交互數(shù)據(jù)中用戶u和項(xiàng)目i與步驟S3-1的科技文獻(xiàn)知識(shí)圖譜中關(guān)系r的相似性；并進(jìn)一步計(jì)算關(guān)系r在其關(guān)系集合中的注意力權(quán)重分布并進(jìn)行歸一化處理得到注意力權(quán)重的最終值，將注意力權(quán)重與對(duì)應(yīng)的關(guān)系r相乘，建立指定用戶-項(xiàng)目交互對(duì)與科技文獻(xiàn)知識(shí)圖譜中關(guān)系的偏好誘導(dǎo)模型； S3-2-2：計(jì)算歷史行為交互數(shù)據(jù)中用戶u和項(xiàng)目i與步驟S3-1的科技文獻(xiàn)知識(shí)圖譜中實(shí)體e的相似性；并計(jì)算實(shí)體e在其實(shí)體集合中的注意力權(quán)重分布并進(jìn)行歸一化處理得到注意力權(quán)重的最終值，將注意力權(quán)重與對(duì)應(yīng)的實(shí)體e相乘，建立用戶-項(xiàng)目交互對(duì)與科技文獻(xiàn)知識(shí)圖譜中實(shí)體的偏好誘導(dǎo)模型； S3-2-3：基于步驟S3-2-1中的用戶對(duì)關(guān)系的偏好誘導(dǎo)模型以及步驟S3-2-2中的用戶對(duì)實(shí)體的偏好誘導(dǎo)模型，建立用戶對(duì)項(xiàng)目的偏好模型，通過(guò)用戶對(duì)項(xiàng)目的偏好模型構(gòu)建推薦模型的損失函數(shù)，通過(guò)梯度下降的方式不斷迭代損失函數(shù)得到具有用戶交互特征的用戶的向量值和項(xiàng)目的向量值； S4：構(gòu)建平衡函數(shù)平衡知識(shí)表示學(xué)習(xí)模型中的實(shí)體和推薦模型中的項(xiàng)目并同時(shí)訓(xùn)練知識(shí)表示學(xué)習(xí)模型和推薦模型，得到既具有圖結(jié)構(gòu)特征又具有交互語(yǔ)義特征的用戶向量值和實(shí)體向量值，并依據(jù)用戶向量值與實(shí)體向量值的相似度由高至低依次排列生成推薦列表。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中南大學(xué)，其通訊地址為：410083 湖南省長(zhǎng)沙市岳麓區(qū)麓山南路932號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。