(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 202210531980.2 (22)申请日 2022.05.16 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区正 街174号 (72)发明人 危枫　陈蜀宇　王晨子　杨蕾　 (74)专利代理 机构 重庆渝之知识产权代理有限 公司 50249 专利代理师 郑小龙 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/36(2019.01) G06N 3/08(2006.01) (54)发明名称 一种基于知识图谱的推荐流行度偏差自适 应缓解方法 (57)摘要 本发明提出了一种基于知识图谱的推荐流 行度偏差自适应缓解方法， 包括： 根据物品的流 行度对物品进行分组； 创建与物品组数量相同的 流行度节点； 将流行度节点嵌入到关系为(实体 s,s和t的关系,实体t)的知识图谱中， 得到关系 包括(i,流行度,pn)的流行度知识 图谱， 其中， i 表示物品， pn表示用户对物品的偏好； 创建用户 偏好图； 基于所述流行度知识图谱、 所述用户偏 好图构建异构图； 基于图神经网络模 型预测异构 图中用户对物品的评分； 通过用户对物品的评分 以及流行度评分， 得到最终评分并通过最终评分 向用户推荐物品。 本发明在处理推荐系统中的流 行度偏差问题时， 首次引入了知识图谱， 这不仅 有利于推荐， 还能在有效缓解流行度问题的同 时， 利用用户对流行的偏好兼顾用户的使用体 验。 权利要求书2页 说明书8页 附图2页 CN 114912033 A 2022.08.16 CN 114912033 A 1.一种基于知识图谱的推荐流行度偏差自适应缓解方法， 其特 征在于， 包括： 根据物品的流行度对物品进行分组， 得到多个物品组； 其中， 所述流行度表示物品的受 欢迎程度； 创建与物品组数量相同的流行度节点， 并将所述物品组与所述流行度节点进行关联， 其中， 每一个物品组对应一个流行度节点； 将所述流行度节点嵌入到关系为(实体s,s和t的关系,实体t)的知识图谱中， 得到关系 包括(i,流行度,pn)的流行度知识图谱， 其中， i表示物品， pn表示用户对物品的偏好； 分别以用户、 物品作为实体节点， 以用户对物品的偏好 为边创建用户偏好图； 基于所述 流行度知识图谱、 所述用户偏好图构建异构图； 基于图神经网络模型 预测异构图中用户对物品的评分； 通过用户对物品的评分以及流行度评分， 得到最终评分并通过最终评分 向用户推荐物 品。 2.根据权利要求1所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 聚合图神经网络模型中来自目标节点i的邻居节点的信息， 包括： 消息计算和消息聚 合； 所述消息计算包括： 计算出源节点u经 过边e的信息 Message(u,e,i)： 所述消息聚合包括： 计算源节点u和目标节点 i之间的异构互注意力A ttention(u,e,i)： 利用注意力向量作为权 重平均来自源节点的对应消息， 并对输出进行 更新。 3.根据权利要求2所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 通过下式计算出源节点u经 过边e的信息 Message(u,e,i)： 其中， Mτ(u)是节点类 型τ(u)的线性投影， 表示消息矩阵， H(l‑1)表示异构图神经网络 模型的第l ‑1层的输出。 4.根据权利要求3所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 通过下式计算源节点u和目标节点 i之间的异构互注意力A ttention(u,e,i)： 利用注意力向量作为权 重平均来自源节点u的对应消息， 并对输出进行 更新； 其中， N(t)表示源节点u的一跳邻居节点， Qτ(i)、 Kτ(u)为线性投影， φ(e)为边的类型， 为基于边的注意力矩阵。权　利　要　求　书 1/2 页 2 CN 114912033 A 25.根据权利要求4所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 还包括： 采用欧几里德范数对所述流行度知识图谱中的关系嵌入与偏好图中的偏好嵌入进行 对齐。 6.根据权利要求5所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 所述图神经网络模型的损失函数为： 其中， LHGT表示图神经网络模型的损失函数， LBPR表示成对BPR损失， Lalign表示对齐损失， Θ表示模型参数集， α 和 λ 分别用于约束对齐损失和欧几里德范 数L2。 7.根据权利要求6所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 通过用户对物品的评分以及流行度评分， 得到最终评分包括： 通过以下函数计算得到最终评分： 其中， 为最终评分， 表示用户对物品的评分， 表示流 行度评分， popularity表示流行度， w表示权重， w＝1 ‑RP(u)， RP(u)为用户u的交互数据中受 欢迎物品的比例。 8.根据权利要求7所述的基于知识图谱的推荐流行度偏差自适应缓解方法， 其特征在 于， 所述用户对物品的评分为： 权　利　要　求　书 2/2 页 3 CN 114912033 A 3