买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆大学申请的专利一种基于深度矩阵分解与知识图谱的服务推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116662564B 。

龙图腾网通过国家知识产权局官网在2025-07-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310584709.X，技术领域涉及：G06F16/9535；该发明授权一种基于深度矩阵分解与知识图谱的服务推荐方法是由付春雷;吴冕;唐鹏辉;李成高;洪伟;赵义伟;鄢萌设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本一种基于深度矩阵分解与知识图谱的服务推荐方法在说明书摘要公布了：本发明涉及一种基于深度矩阵分解与知识图谱的服务推荐方法，该方法利用政务服务事项数据构建政务服务知识图谱，通过知识表示方法对知识图谱的实体上下文和实体描述文本信息建模，采用联合学习的方式将知识表示学习与个性化推荐结合起来得到最优GKGR模型。最后预测每一对用户和服务事项的分数，通过推荐列表的方式向用户推荐分数较高的服务事项。该方法利用神经网络对用户和服务事项进行特征提取，充分利用用户行为数据，有效地缓解数据稀疏的问题；通过知识表示方法对实体上下文和实体描述文本信息进行建模，联合学习知识表示任务和个性化推荐任务，提高推荐结果的准确性和可解释性，有效缓解了政务服务推荐的冷启动问题。

本发明授权一种基于深度矩阵分解与知识图谱的服务推荐方法在权利要求书中公布了：1.一种基于深度矩阵分解与知识图谱的服务推荐方法，其特征在于，包括如下步骤： S1:根据用户与服务事项交互过程中产生的行为数据获得初始用户向量，将初始用户向为输入全连接层输出即为用户向量ui： 根据用户与服务事项交互过程中产生的行为数据，按照度量规则对用户行为数据进行量化，构建用户-服务事项行为矩阵其中矩阵的每一行表示一个初始用户向量，矩阵中的数值Rij表示用户i对服务事项j的点击次数； 构建政务服务知识图谱G，服务事项实体和关系之间用图结构进行表示，每个服务事项实体看作图中的节点，关系看作边； S2:构建和训练GKGR模型，所述GKGR模型包括： S2-1:根据政务服务知识图谱定义实体上下文信息获得服务事项实体向量es； S2-2:根据政务服务知识图谱定义实体描述文本获得第二服务事项实体向量ed； 所述S2-3根据服务事项实体向量es与服务事项实体向量ed得到最终服务事项向量e的过程如下： 通过门控机制将es与ed进行融合得到e，定义如下公式所示； e＝β⊙es+1-β⊙ed 其中，β∈[0,1]表示平衡两种表示权重的门； S2-3:根据服务事项实体向量es与服务事项实体向量ed得到最终服务事项向量e； S2-4:给定用户i、服务事项实体j以及用户-服务事项行为矩阵Rij，构建了用户-服务事项偏好对i,j,j′，表示用户i与服务事项实体j有交互，与服务事项j′无交互，即用户i对服务事项j有需求，从G中找到与j、j′相关的三元组和实体描述文本，通过实体上下文的知识表示方法学习es，利用Bi-LSTM学习服务事项实体向量ed，通过门控机制将两种实体向量进行融合，将用户向量ui和服务事项向量输入到个性化排序模型； 当目标函数最大且不再变化时，训练结束，此时得到最优GKGR模型； 所述目标函数L为： vj＝β⊙esj+1-β⊙edj 其中，ui是用户i的向量表示，vj、vj′分别是政务服务事项实体j和j′的向量表示，z表示正则项，h,t表示不同的服务事项实体，r表示关系； 其中，fh,r,t；gh,gt表示知识表示学习部分的评分函数，gh、gt分别是头实体和尾实体的门控大小，hs、ts分别为h和t的实体上下文信息的向量，hd、td为h和t的实体描述文本知识的向量； S3:对于一个用户，采用S1得到用户向量输入最优GKGR模型，最优GKGR模型计算该用户与所有服务事项的关联程度，并按照关联程度值的大小降序排列，输出关联程度值所对应的服务事项序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。