(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211029384.0 (22)申请日 2022.08.26 (65)同一申请的已公布的文献号 申请公布号 CN 115114542 A (43)申请公布日 2022.09.27 (73)专利权人 北京高德云信科技有限公司 地址 100022 北京市朝阳区阜通 东大街6号 院3号楼12层151 1 (72)发明人 王浩　徐耀　李昕　郭宁　 (74)专利代理 机构 北京开阳星知识产权代理有 限公司 1 1710 专利代理师 郭鑫 (51)Int.Cl. G06F 16/9537(2019.01) G06F 16/335(2019.01)G06F 16/36(2019.01) G06Q 50/12(2012.01) (56)对比文件 CN 112541132 A,2021.0 3.23 CN 113722603 A,2021.1 1.30 US 201707620 6 A1,2017.0 3.16 审查员 王艳臣 (54)发明名称 一种对象推荐 方法、 系统、 训练方法、 介质及 计算机设备 (57)摘要 本公开涉及一种对象推荐方法、 系统、 训练 方法、 介质及计算机设备。 本公开的至少一个实 施例中， 通过对交互图和知识图谱分别处理， 得 到交互视图和知识视图， 且交互视图和知识视图 中的交互行为和对象属性关系均与对象推荐有 关联， 解决了知 识过载问题， 能够提升推荐效果； 并且通过生成包含低阶信息 （包括用户与对象之 间的交互信息） 和高阶信息 （用户与属性之间的 关系信息） 的用户目标表示， 能够更加全面地表 示用户； 而生成的对象目标表 示中不仅包含用户 与对象之间的交互信息， 而且包含对象与属性之 间的关系信息， 因此， 不会忽略不同对象之间的 属性关系， 解决交互主导问题， 通过用户目标表 示和对象目标表示能够辅助推荐实现更好的推 荐效果。 权利要求书3页 说明书14页 附图7页 CN 115114542 B 2022.11.18 CN 115114542 B 1.一种对象推荐方法， 所述方法包括： 获取用户与对象之间历史 交互行为的交 互图以及对象与属性之间关系的知识图谱； 对所述交互图进行处理， 得到交互视 图， 所述交互视 图中的交互行为与对象推荐有关 联； 并对所述知识图谱进 行处理， 得到知识视图， 所述知识视图中的对象属性关系与对象推 荐有关联； 基于所述交互图、 所述交互视 图和所述知识视 图， 得到所述交互图中各用户的用户目 标表示和各对 象的对象目标表示， 其中， 所述用户目标表示基于用户与对 象之间的交互信 息以及用户与属性之 间的关系信息生成， 所述用户目标表示包括用户与对象之 间的交互信 息以及用户与属性之 间的关系信息； 所述对象目标表示基于用户与对象之 间的交互信息以 及对象与属性之间的关系信息生成； 响应于目标用户的推荐请求， 基于所述目标用户的用户目标表示和所述各对象的对象 目标表示， 从所述各对象中筛 选出匹配的目标推荐对象。 2.根据权利要求1所述的方法， 其中， 所述对所述交互图进行处理， 得到交互视图， 包 括： 基于所述交互图中每个节点的初始表示， 采用第 一多层感知机计算所述交互图中每条 边的权重， 并删除权 重小于第一预设权 重阈值的边， 得到交 互视图； 所述对所述知识图谱进行处 理， 得到知识视图， 包括： 基于所述知识图谱中每个节点的初始表示和每个关系类型的初始表示， 采用第 二多层 感知机计算所述知识图谱中每条边的权重， 并删除权重小于第二预设权重阈值的边， 得到 知识视图。 3.根据权利要求1或2所述的方法， 其中， 所述对所述交互图进行处理， 得到交互视图之 前， 所述方法还 包括： 对所述交互图进行图干扰， 以随机删除所述交互图中的至少一条边， 得到交互中间图， 且所述交 互视图是对所述交 互中间图进行处 理得到的视图； 所述对所述知识图谱进行处 理， 得到知识视图之前， 所述方法还 包括： 对所述知识图谱进行图干扰， 以随机删除所述知识图谱中的至少一条边， 得到知识中 间图， 且所述知识视图是对所述知识中间图进行处 理得到的视图。 4.根据权利要求1所述的方法， 其中， 所述基于所述交互图、 所述交互视 图和所述知识 视图， 得到所述交 互图中各用户的用户目标表示和各对象的对象目标表示， 包括： 对所述交互图进行编码， 得到所述交互图中各用户的用户第 一表示和各对象的对象第 一表示， 所述对象第一表示用于对象推荐； 对所述交互视图进 行编码， 得到所述各用户的用 户第二表示和各对象的对象第二表示， 所述用户第二表示聚合有用户与属性之 间的关系信 息， 所述对象第二表示聚合有 所述交互视图中的用户信息； 对 所述知识视图进 行编码， 得到 所述各对象的对象第三表示， 所述对象第三表示聚合有所述知识视图中的属性信息； 基于同一用户的用户第一表示和用户第二表示， 确定同一用户的用户目标表示； 基于 同一对象的对象第一表示、 对象第二表示和对象第三表示， 确定同一对象的对象目标表示。 5.根据权利要求1所述的方法， 其中， 所述基于所述目标用户的用户目标表示和所述各 对象的对象目标表示， 从所述各对象中筛 选出匹配的目标推荐对象， 包括： 将所述目标用户的用户目标表示与每个对象的对象目标表示进行内积操作， 将内积值权　利　要　求　书 1/3 页 2 CN 115114542 B 2作为对应对象的推荐评 分； 按推荐评分由高至低向所述目标用户推荐对象； 其中， 所述用户 目标表示为第一特征向量， 所述对 象目标表示为第二特征向量， 所述内积值为所述第一特 征向量与所述第二特 征向量进行向量内积得到的内积值。 6.一种对象推荐系统， 所述系统包括： 交互图增强模型、 知识图谱增强模型、 推荐表示 生成模型、 交 互表示生成模型、 知识 表示生成模型和对象推荐模型； 所述交互图增强模型， 用于对交互图进行处理， 得到交互视图， 所述交互视图中的交互 行为与对象推荐 有关联； 所述知识图谱增强模型， 用于对知识图谱进行处理， 得到知识视图， 所述知识视图中的 对象属性关系与对象推荐 有关联； 所述推荐表示生成模型， 用于对所述交互图进行编码， 得到所述交互图中各用户的用 户第一表示和各对象的对象第一表示， 所述对象第一表示用于对象推荐； 所述交互表示生成模型， 用于对所述交互视 图进行编码， 得到所述各用户的用户第二 表示和各对 象的对象第二表示， 所述用户第二表示聚合有用户与属 性之间的关系信息， 所 述对象第二表示聚合有所述交 互视图中的用户信息； 所述知识表示生成模型， 用于对所述知识视 图进行编码， 得到所述各对象的对象第三 表示， 所述对象第三表示聚合有所述知识视图中的属性信息； 所述对象推荐模型， 用于基于同一用户的用户第一表示和用户第二表示， 确定同一用 户的用户目标表示， 所述用户目标表示包括用户与对象之 间的交互信息以及用户与属性之 间的关系信息； 基于同一对象的对象第一表示、 对象第二表 示和对象第三表示， 确定同一对 象的对象目标表示； 响应于目标用户的推荐请求， 基于所述 目标用户的用户目标表示和所 述各对象的对象目标表示， 从所述各对象中筛 选出匹配的目标推荐对象。 7.一种对象推荐系统 的训练方法， 其中， 所述对象推荐系统如权利要求6所述的对象推 荐系统， 所述方法包括： 获取用于训练所述对象推荐系统的交 互图和知识图谱； 基于所述交互图和所述知识图谱， 对所述交互图增强模型、 所述知识图谱增强模型、 所 述推荐表示生成模型、 所述交互表示生成模型和所述知识表示生成模型进行联合训练， 所 述联合训练的目标是使知识图谱损失函数、 对比学习损失函数和推荐损失函数的损失值之 和最小； 其中， 所述知识图谱损失函数为所述知识表示生 成模型的损失函数； 所述对比学习 损失函数为所述交互表示生成模型与所述知识表示生成模型之间进行对比学习的损失函 数， 所述对比学习的目标是使 所述交互表示生成模型输出的同一对象的对象第二表示与所 述知识表示生成模型输出的同一对象的对象第三表示相同或收敛； 所述推荐损失函数为所 述对象推荐系统的损失函数。 8.根据权利要求7所述的方法， 其特征在于， 所述基于所述交互图和所述知识图谱， 对 所述交互图增强模型、 所述知识图谱增强模型、 所述推荐表 示生成模 型、 所述交互表示生成 模型和所述知识 表示生成模型进行 联合训练， 包括： 将所述交互图输入所述交互图增强模型和所述推荐表示生成模型， 并将所述知识图谱 输入所述知识图谱增强模型； 通过调整所述知识 表示生成模型的参数， 以降低所述知识图谱损失函数的损失值； 固定所述交互图增强模型的参数和所述知识图谱增强模型的参数， 通过调 整所述知识权　利　要　求　书 2/3 页 3 CN 115114542 B 3