(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210806728.8 (22)申请日 2022.07.08 (71)申请人 广东工业大 学 地址 510000 广东省广州市越秀区东 风东 路729号 (72)发明人 郭洁　林佳瑜　梁祖红　罗孝波　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 专利代理师 侯腾腾 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 一种融合知识图谱和图对比学习的图书推 荐方法及系统 (57)摘要 本发明公开了一种融合知识图谱和图对比 学习的图书推荐方法及系统， 该方法包括： 获取 用户‑图书交互图与图书知识图谱并结合， 生成 协同知识图谱； 利用协同知识图谱的结构学习实 体嵌入， 生成嵌入学习信息； 将协同知识图谱进 行数据增强并结合嵌入学习信息输入知识图谱 注意网络， 得到用户和图书的嵌入； 基于用户和 图书的嵌入进行图对比学习和监督任务构建， 联 合优化得到待推荐图书； 计算用户与全部推荐图 书的点积并根据点积计算结果得到最终图书推 荐结果。 该系统包括： 结合模块、 学习模块、 嵌入 模块、 优化模块和推荐模块。 通过使用本发明， 能 够提高模型的鲁棒性且缓解数据噪声和稀疏性 问题。 权利要求书3页 说明书6页 附图3页 CN 115146168 A 2022.10.04 CN 115146168 A 1.一种融合知识图谱和图对比学习的图书推荐方法， 其特 征在于， 包括以下步骤： 获取用户 ‑图书交互图与图书知识图谱并结合， 生成协同知识图谱； 利用协同知识图谱的结构学习实体嵌入， 生成 嵌入学习信息； 将协同知识图谱进行数据增强并结合嵌入学习信 息输入知识图谱注意网络， 得到用户 和图书的嵌入； 基于用户和图书的嵌入进行图对比学习和监 督任务构建， 联合优化得到待推荐图书； 计算用户与全部推荐图书的点积并根据点积计算结果得到最终图书推荐结果。 2.根据权利要求1所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述将协同知识图谱进行数据增强并结合嵌入学习信息输入知识图谱注意网络， 得到用户 和图书的嵌入这 一步骤， 具体包括： 将协同知识图谱进行随机删除， 得到 视图一； 将协同知识图谱进行随机添加， 得到 视图二； 基于嵌入学习信息将视 图一、 视图二和协同知识图谱输入知识图谱注意网络， 得到用 户和图书的嵌入。 3.根据权利要求2所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述知识图谱注意网络的公式具体如下： 上式中， h表示头实体， r表示关系， r ′表示关系的负样本， t表示尾实体， t ′表示尾实体 的负样本， Nh表示以h为头节点的三元组的集合， 1表示第1层传播， 表示当前(l ‑1)层头 实体嵌入表示， 表示当前(l ‑1)层关系嵌入表示， 表示当前(l ‑1)层尾实体嵌入表 示， 表示当前(l‑1)层头实体h对应的ego网络的嵌入表示， β(h,r,t)表示三元组对应的 权重， W1和W2分别表示 可训练的矩阵， LeakyReLU表示带泄露修正线性 单元函数， ⊙表示两个 向量的乘积， ||表 示向量拼接 符号， 表示最终用户嵌入， 表示最终图书嵌入， 表示执行L层后得了用户节点u的集 合， 表示执行L层得了图书节点 i的集合。 4.根据权利要求1所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述基于用户和图书的嵌入进 行图对比学习和监督任务构建， 联合优化得到待推荐图书这 一步骤， 具体包括： 基于用户和图书的嵌入 采用InfoNCE损失函数进行图对比学习构建辅助任务； 基于用户和图书的嵌入 采用贝叶斯个性 化排序推荐损失函数构建监 督任务；权　利　要　求　书 1/3 页 2 CN 115146168 A 2基于辅助任务和监 督任务进行 联合优化， 得到联合优化 函数； 根据联合优化 函数的计算结果得到待推荐图书。 5.根据权利要求4所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述辅助任务的公式具体如下： 上式中， u表示用户， u ′表示与u不同的用户， i表 示图书， i ′表示与i不同的图书， 表 示同一用户u分别在视图一和视图二经过知识图谱注意 网络学习到的嵌入， 表示不同 用户分别在视图一和视图二经过知识图谱注意网络学习到的嵌入， 表示同一图书i分 别在视图一和视图二经过知识图谱注意网络学习到的嵌入， 表示不同图书分别在视 图一和视图二经过知识图谱注意网络学习到的嵌入， s表 示相似度函数， τ表 示温度超参数， U表示所有用户u的集合， I表示所有图书 i的集合， 表示图书InfoNCE损失函数， 表示 用户图书I nfoNCE损失函数， Lssl表示总的辅助任务损失函数。 6.根据权利要求4所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述监督任务的公式具体如下： 上式中， i表示用户交互过的图书， j表示用户未交互过的 图书， 表示最终用户嵌入的 转置， 表示最终图书嵌入， 表示样本得分， 表示正样本得分， 表示负样本的得 分， LBPR表示监督任务损失函数。 7.根据权利要求4所述一种融合知识图谱和图对比学习的图书推荐方法， 其特征在于， 所述联合优化 函数具体如下： 上式中， Θ表示模型中可训练的参数， 表示L2的正则项， α 、 λ表示超参数， LBPR表示监 督任务损失函数， Lssl表示总的辅助任务损失函数。 8.一种融合知识图谱和图对比学习的图书推荐系统， 其特 征在于， 包括： 结合模块， 用于获取用户 ‑图书交互图与图书知识图谱并结合， 生成协同知识图谱； 学习模块， 用于利用协同知识图谱的结构学习实体嵌入， 生成 嵌入学习信息； 嵌入模块， 用于将协同知识图谱进行数据增强并结合嵌入学习信 息输入知识图谱注意 网络， 得到用户和图书的嵌入； 优化模块， 基于用户 和图书的嵌入进行图对比学习和监督任务构建， 联合优化得到待权　利　要　求　书 2/3 页 3 CN 115146168 A 3