[发明专利]一种基于知识图谱和图神经网络的跨域推荐方法

权利要求书

1.基于知识图谱和图神经网络的跨域推荐方法，其特征在于：该方法包括以下步骤：

S1：规范化初始参数；

S2：为用户和项目分配域内嵌入；

S3：计算用户和项目的域间初始嵌入；

S4：基于跨域图计算图上传播的信息嵌入；

S5：基于跨域图计算图上聚合的信息嵌入；

S6：计算用户和项目的最终域间嵌入；

S7：计算用户和项目间匹配值并进行推荐。

2.如权力要求1所述的基于知识图谱和图神经网络的跨域推荐方法，其特征在于：所述步骤S1中的初始参数包括实体嵌入维度d，正则化参数λ，批量梯度下降的样本数m，训练迭代轮数T，图神经网络的注意力层深度D，图神经网络的每层维度d′，图神经网络的参数W。

3.如权力要求1所述的基于知识图谱和图神经网络的跨域推荐方法，其特征在于：所述步骤S2中的每个域，根据用户和项目ID为该域中的用户和项目分配一个域内嵌入，对于域x，该域上用户和项目的域内嵌入表示为E_u(x)和E_i(x)，其中x＝{A，B，...，X}。

4.如权力要求1所述的基于知识图谱和图神经网络的跨域推荐方法，其特征在于：所述步骤S3中的计算用户和项目的域间初始嵌入过程，首先利用域的项目信息构建域知识图谱，并使用用户、项目和项目间知识图谱共同构建一个图，对于图中实体使用三元组得分获得该实体的域间初始嵌入，计算公式如下

其中，W_r∈R^k×d是关系r的变换矩阵，表示L2正则化，用于防止过拟合问题；

定义域x的域间知识图谱损失函数计算公式如下

L_KG(x)＝∑_{(h，r，t，t′)∈T}-lnσ(g(h，r，t′)-g(h，r，t))      (2)

其中，(h，r，t′)是一个随机替换尾实体构造的伪三元组，G是构建的跨域图，σ是非线性激活函数。

5.如权力要求1所述的基于知识图谱和图神经网络的跨域推荐方法，其特征在于：所述步骤S4中的跨域图上传播的信息嵌入中，邻居节点的信息嵌入计算公式如下

其中，π(h，r，t)是嵌入传播层中的注意力系数，N_h＝{(h，r，t)|(h，r，t)∈G}表示以节点h为头实体的所有三元组集合，头实体h和尾实体t满足{h，t|h，t∈E′}，E′为跨域图G中的所有实体集合，关系r满足{r|r∈R}，R为跨域图G中的所有关系集合；

定义初始注意力系数计算公式如下

π(h，r，t)＝(W_re_t)^Ttanh(W_re_h+e_r)    (4)

其中，tanh为非线性激活函数，W_r是嵌入层中关系r上的变换矩阵；

定义归一化注意力系数计算公式如下

其中，(h,r',t')是所有三元组集合。

6.如权力要求1所述的基于知识图谱和图神经网络的跨域推荐方法，其特征在于：所述步骤S5中的跨域图上聚合的信息嵌入中，实体聚合嵌入的计算公式如下

其中，上标(n)表示该嵌入是第n阶嵌入，上标(n-1)表示该嵌入是第n-1阶嵌入，f(·)代表聚合器；

定义聚合器计算公式如下

其中，LeakyReLU是激活函数，W_r∈R^d'×d是可训练的权重矩阵，d′是线性变换后的向量维度。