(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 202210539592.9 (22)申请日 2022.05.18 (71)申请人 国网数字科技控股有限公司 地址 100000 北京市西城区广安门内大街 311号祥龙商务大厦1号楼 申请人 国网电商科技有限公司 　天津大学 (72)发明人 武兰民　张宾　张小旺　李勇　 邵宁　田晓芸　贾江凯　赵昶昊　 李爽　郝怡　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 郄晨芳 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/36(2019.01)G06K 9/62(2022.01) (54)发明名称 论文推荐的方法及装置、 电子设备、 存储介 质 (57)摘要 本申请提供的一种论文推荐的方法及 装置、 电子设备、 存储介质， 所述方法包括： 获取预先构 建的论文关系图谱以及目标用户在当前预设时 间段内的阅读行为数据； 其中， 论文关系图谱包 括多篇论文之间的关系； 将论文关系图谱以及当 前预设时间段内的阅读行为数据输入预先训练 好的推荐模 型中， 得到论文关系图谱中的每篇论 文的推荐值。 由于推荐模型预先利用多个用户在 历史预设时间段内的历史阅读行为数据以及论 文关系图谱训练得到。 因此基于每篇论文的推荐 值， 向目标用户推荐论文。 从而不再通过计算每 两篇论文之间的相似度的方式来实现向用户推 荐论文， 而是根据用户的阅读行为数据以及论文 关系的图谱数据， 准确地向用户推荐各篇 论文。 权利要求书3页 说明书11页 附图7页 CN 114969305 A 2022.08.30 CN 114969305 A 1.一种论文推荐的方法， 其特 征在于， 包括： 获取预先构建的论文关系图谱以及目标用户在 当前预设时间段内的阅读行为数据； 其 中， 所述论文关系图谱 包括多篇 论文之间的关系； 将所述论文关系图谱以及所述当前预设时间段内的阅读行为数据输入预先训练好的 推荐模型中， 得到所述论文关系图谱中的每篇所述论文的推荐值； 其中， 所述推荐模型预先 利用多个用户在历史预设时间段内的历史阅读行为数据以及所述 论文关系图谱训练得到； 基于每篇所述 论文的推荐值， 向所述目标用户推荐所述 论文。 2.根据权利要求1所述的方法， 其特 征在于， 所述推荐模型的训练方法， 包括： 获取所述论文关系图谱以及多个样本用户的历史阅读行为数据； 针对多个所述样本用户， 分别将所述论文关系图谱以及所述样本用户的历史阅读行为 数据输入预先训练好的所述推荐模型中， 通过所述推荐模型得到所述论文关系图谱中的每 篇所述论文的推荐值； 判断各篇所述 论文的推荐值是否均满足预设预期值； 若各篇所述论文的推荐值均满足所述预设预期值， 则将所述推荐模型确定为训练好的 推荐模型； 若各篇所述论文的推荐值均不满足所述预设预期值， 则调整所述推荐模型的参数， 返 回执行所述将所述论文关系图谱以及所述样本用户的历史阅读行为数据输入预先训练好 的所述推荐模型中， 通过所述推荐模型得到所述论文关系图谱中的每篇所述论文的推荐 值。 3.根据权利要求1所述的方法， 其特征在于， 所述论文关系图谱的预先构建的方法， 包 括： 获取所述目标论文的完整 背景信息； 从所述目标论文的完整背景信息中提取所述目标论文的关键信息； 其中， 所述关键信 息包括实体信息以及各个所述实体之间的关系； 对所述关键信息进行图谱构建， 得到所述 论文关系图谱； 将目标论文确定为当前待处 理论文； 针对所述当前待处 理论文的每篇引用论文， 判断所述引用论文是否满足传播条件； 若判断所述引用论文是否满足传播条件， 则获取 所述引用论文的关键信息； 利用所述引用论文的关键信息对所述 论文关系图谱进行扩展； 将所述引用论文确定为当前待处理论文， 并返回执行所述针对所述当前待处理论文的 每篇引用论文， 判断所述引用论文是否满足传播条件， 直至不存在满足所述传播条件的引 用论文， 得到最终的所述 论文关系图谱数据。 4.根据权利要求3所述的方法， 其特征在于， 所述获取所述目标论文的完整背景信息， 包括： 获取用户上传的待查找论文的部分信息； 其中， 所述部分信息至少包括论文标题和部 分背景信息； 从所有论文对应的标题中查找与所述 论文标题接 近的各篇相似论文； 基于所述部分背景信 息， 从各篇所述相似论文中查找满足预设条件的目标论文； 其中， 所述预设条件指代包 含与所述部分背景信息 完全一致的背景信息；权　利　要　求　书 1/3 页 2 CN 114969305 A 2从所述目标论文中提取 所述目标论文对应的完整 背景信息 。 5.根据权利要求2所述的方法， 其特征在于， 所述推荐模型包括输入层、 序列提取层、 交 叉聚合层以及输出层， 所述将所述论文关系图谱以及所述样本用户的历史 阅读行为数据输 入预先训练好的所述推荐模型中， 通过所述推荐模型得到所述论文关系图谱中的每篇所述 论文的推荐值， 包括： 通过所述输入层对所述论文关系图谱以及所述样本用户的历史阅读行为数据进行特 征处理， 得到所述论文关系图谱对应的第一特征向量以及所述历史 阅读行为数据对应的第 二特征向量； 通过所述序列提取层对所述第二特 征向量进行 特征处理， 得到特 征序列矩阵； 通过序列提取层将所述特征序列矩阵与所述论文关系图谱对应的第一特征向量进行 拼接， 得到拼接特 征向量； 通过交叉聚合层对所述 拼接特征向量进行多阶交叉， 得到交叉序列特 征； 通过输出层对所述交叉序列 特征进行处理， 得到所述论文关系图谱中的每篇所述论文 的推荐值。 6.一种论文推荐的装置， 其特 征在于， 包括： 第一获取单元， 用于获取预先构建的论文关系图谱以及目标用户在 当前预设时间段内 的阅读行为数据； 其中， 所述 论文关系图谱 包括多篇 论文之间的关系； 第一输入单元， 用于将所述论文关系图谱以及所述当前预设时间段内的阅读行为数据 输入预先训练好的推荐模型中， 得到所述论文关系图谱中的每篇所述论文的推荐值； 其中， 所述推荐模型预先利用多个用户在历史预设时间段内的历史阅读行为数据以及所述论文 关系图谱训练得到； 推荐单元， 用于基于每篇所述 论文的推荐值， 向所述目标用户推荐所述 论文。 7.根据权利要求6所述的装置， 其特 征在于， 还 包括： 第二获取 单元， 用于获取 所述论文关系图谱以及多个样本用户的历史阅读行为数据； 第二输入单元， 用于针对多个所述样本用户， 分别将所述论文关系图谱以及所述样本 用户的历史 阅读行为数据输入预先训练好的所述推荐模型中， 通过所述推荐模型得到所述 论文关系图谱中的每篇所述 论文的推荐值； 第一判断单 元， 用于判断各篇所述 论文的推荐值是否均满足预设预期值； 第一确定单元， 用于若各篇所述论文的推荐值均满足所述预设预期值， 则将所述推荐 模型确定为训练好的推荐模型； 调整单元， 用于若各篇所述论文的推荐值均不满足所述预设预期值， 则调整所述推荐 模型的参数， 返回执行所述将所述论文关系图谱以及所述样本用户的历史 阅读行为数据输 入预先训练好的所述推荐模型中， 通过所述推荐模型得到所述论文关系图谱中的每篇所述 论文的推荐值。 8.根据权利要求6所述的装置， 其特 征在于， 还 包括： 第三获取 单元， 用于获取 所述目标论文的完整 背景信息； 第一提取单元， 用于从所述目标论文的完整背景信息中提取所述目标论文的关键信 息； 其中， 所述关键信息包括实体信息以及各个所述实体之间的关系； 图谱构建单 元， 用于对所述关键信息进行图谱构建， 得到所述 论文关系图谱；权　利　要　求　书 2/3 页 3 CN 114969305 A 3