(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 202210541192.1 (22)申请日 2022.05.19 (65)同一申请的已公布的文献号 申请公布号 CN 114637923 A (43)申请公布日 2022.06.17 (73)专利权人 之江实验室 地址 311100 浙江省杭州市余杭区中泰街 道之江实验室南湖总部 (72)发明人 李超　张钊　李其明　 (74)专利代理 机构 杭州浙科专利事务所(普通 合伙) 33213 专利代理师 孙孟辉 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111813756 A,2020.10.23 CN 113987200 A,2022.01.28 CN 110020910 A,2019.07.16 CN 109272381 A,2019.01.25 审查员 凡保磊 (54)发明名称 基于层次注意力图神经网络的数据信息推 荐方法和装置 (57)摘要 本发明公开一种基于层次注意力图神经网 络的数据信息推荐方法和装置， 该方法包括： 步 骤一， 构建用户项目交互图和知识图谱； 步骤二， 合并用户项目交互图与知识图谱构成用户项目 知识图； 步骤三， 将用户项目知识图输入到图神 经网络中， 采用层次注意力机制计算用户项目知 识图的每个节点邻居的重要程度； 步骤四， 根据 每个节点邻居的重要程度， 对邻居进行聚合来更 新节点表示； 步骤五， 设定输入图神经网络的用 户项目知识图经过的网络层数， 如果未到达设定 的网络层， 则执行步骤三， 反之则根据节点的表 示， 计算图神经网络的损失函数值， 经过迭代训 练， 得到训练好的图神经网络， 为用户生成推荐 的项目。 本发明缓解了数据的稀疏性， 提升了推 荐的准确性。 权利要求书3页 说明书8页 附图3页 CN 114637923 B 2022.09.02 CN 114637923 B 1.一种基于层次注意力图神经网络的数据信息推荐方法， 其特 征在于， 包括以下步骤： 步骤一， 构建用户项目交 互图和知识图谱； 步骤二， 合并用户项目交互图与知识图谱构成用户项目知识图： 将用户项目交互图中 的项目与知识图谱中的实体进 行匹配， 然后将与匹配的实体直接相关的全部三元组与用户 项目交互图进行合并， 构成用户项目知识图； 步骤三， 将用户项目知识图输入到 图神经网络中， 采用 层次注意力机制计算用户项目 知识图的每 个节点邻居的重要程度； 步骤四， 根据每 个节点邻居的重要程度， 对邻居 进行聚合 来更新节点表示； 步骤五， 设定输入图神经网络的用户项目知识图经过的网络层数， 如果未到达设定的 网络层， 则执行步骤三， 反之则根据节点的表示， 计算图神经网络的损失函数值， 经过迭代 训练， 得到训练好的图神经网络， 为用户生成推荐的项目。 2.如权利要求1所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在 于 ， 所 述 用 户项目 交 互图 是 交 互 数 据 被 表 示 为 用 户 ‑项目 的 二 部图 = ， 和 分别表示用户集和项目集， 链接 表示观察到用户 和项目 之间存在交 互， 否则 ； 所述知识图谱由辅助信 息组织成， 所述辅助信 息由真实世界的实体及其之间的关系组 成 ， 以分析项目 ， 则知识图谱是由主体 ‑属性‑客体三元组组成的有向图 = 表示有一个关系 从头实体 到尾实体 t， 和 分别表示实体集 和关系集。 3. 如权利要求2所述的一种基于层次注意力图神经网络的数据信 息推荐方法， 其特征 在于， 所述步骤二具体为： 将每个用户的行为表示为一个三元组( ,  , )， 其中 表示为用户 和项目 之间的一个额外的交互关系； 然后通过用户项目交互图中的 项目与知识图谱中的实体进行匹配得到的项目 ‑实体对齐集， 并根据项目 ‑实体对齐集， 将 用户项目交互图与知识图谱集成为用户项目知识图 = , 其中 ， 。 4.如权利要求3所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在于， 所述步骤三具体为： 将用户项目知识图输入到图神经网络中， 采用层次注意力机制， 该机制包括： 关系级别注意力和节点级别注意力， 计算出用户项目知识图的关系级别注意 力权重和节点级别注 意力权重， 后 将关系级别注 意力权重和节点级别注意力权重合并得到 层次注意力权 重， 即得到每 个节点邻居的重要程度。 5.如权利要求4所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在于， 所述计算关系级别注意力， 关系即为节点间的连接边， 关系级别注意力计算公式如 下： ，权　利　要　求　书 1/3 页 2 CN 114637923 B 2, 其中， 代表拼接操作， 代表中心节点的向量表示， ， 代表可 训练的参数； 代表可训练的参数， 代表所有与相连关系的种类， 代表激活函数， 计算关系级别注意力被表示 为 ， 代表了对于计算中心 节点 表示时关系 的影响程度。 6.如权利要求5所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在于， 所述计算节点级别注意力， 公式如下： , , 其中， 代表邻居节点的向量表示， 代表可训练的参数； 代表可 训练的参数， 代表关系类型 下的全部邻居节点， 可以被看作是三元组 （ ， ， ） 的 表示， 代表实体级别的注意力权 重， 代表了关系 下不同邻居的影响程度； 所述合并得到层次注意力权 重， 公式如下： 。 7.如权利要求6所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在于， 所述步骤四具体为： 首先根据层次注意力权重， 通过聚合器将本地邻域的信息聚合到 中心节点， 得到节点h的基于邻域的表示， 表达式为： , 其次进一 步聚合节点本身h和节点h的基于邻域的表示 得到更新的节点 。 8.如权利要求7所述的一种基于层次注意力图神经网络的数据信息推荐方法， 其特征 在于， 所述聚合节点本身h和节点h的基于邻域的表示 得到更新的节点 ， 采用包括如下 三种聚合方式： 加法聚合方式， 表达式为： , 其中， 代表可训练的参数， 将 和 的组合投影到输出空间， 是输出空间 的维度；权　利　要　求　书 2/3 页 3 CN 114637923 B 3