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知识增强的多粒度政务服务事项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：CN117112794B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310582574.3，技术领域涉及：G06F16/36；该发明授权一种基于知识增强的多粒度政务服务事项推荐方法是由付春雷;李成高;程子游;洪伟;赵义伟;吴冕;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。

本一种基于知识增强的多粒度政务服务事项推荐方法在说明书摘要公布了：本发明涉及一种基于知识增强的多粒度政务服务事项推荐方法，该方法包括获取数据，构建和训练KEMG模型，所述KEMG模型包括融合字粒度信息的嵌入层，基于CNN增强的编码层，基于注意力机制的交互层，融合层和多层全连接层得到相似性预测分数。根据获取的数据对KEMG模型进行训练，得到最优KEMG模型。对于新用户，采用S1得到用户向量输入最优KEMG模型，最优KEMG模型计算该新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TOP‑k。通过试验证明该方法能在保证检索效率的同时有较高的信息检索准确度。

本发明授权一种基于知识增强的多粒度政务服务事项推荐方法在权利要求书中公布了：1.一种基于知识增强的多粒度政务服务事项推荐方法，其特征在于：包括如下步骤： S1：获取多个用户输入查询文本和待匹配政务事项名称，构建政务知识图； S2：构建和训练KEMG模型，所述KEMG模型包括融合字粒度信息的嵌入层，基于CNN增强的编码层，基于注意力机制的交互层，融合层和多层全连接层得到相似性预测分数； S2-1：对所有用户输入查询文本和待匹配政务事项名称进行词向量的嵌入对应的得到查询词粒度向量和政务词粒度向量，对所有用户输入查询文本和待匹配政务事项名称进行字向量的嵌入对应的得到查询字粒度向量和政务字粒度向量，将查询词粒度向量和查询字粒度向量拼接融合形成查询最终文本句子表征向量，将政务词粒度向量和政务字粒度向量拼接融合形成政务最终文本句子表征向量； S2-2：对S2-1得到的查询最终文本句子表征向量和政务最终文本句子表征向量均先采用采用ESIM进行上下文序列信息的编码，编码后的向量再采用CNN网络进行第二次编码对应的得到查询关键词特征编码值和政务关键词特征编码值； 所述S2-2得到关键词特征编码的步骤如下： 采用ESIM对最终的文本句子表征向量进行上下文序列信息的编码，并且ESIM中采用BiLSTM来获取文本序列特征，经编码后的表征向量计算过程如公式9和10所示： 其中，分别表示用户输入查询文本和待匹配政务事项名称经过BiGRU后在第i个时间步和第j个时间步得到的新编码值，dg表示BiGRU中设置的隐藏层维度； 采在CNN网络进行第二次编码，CNN网络的分别使用大小为2，3，4的卷积核进行卷积操作，卷积窗口提取文本特征过程如下，首先经过式11： 其中，表示词向量的拼接矩阵，表示拼接操作，在卷积操作中卷积核它以一个大小为w的窗口形式在文本上滑动进行新特征的提取，如公式12所示： 其中Ci表示卷积核在卷积的过程中提取到的第i份特征； 将超出范围之外的输入向量i1或il视作零向量，表示词向量qi,qi+1,qi+2,…,qw拼接起来的矩阵，b表示卷积网络中的偏置； 以大小为w的卷积核应用于句子中每一个可能的隐藏状态以提取到的特征图如公式13所示； q＝[q1,q2,...,ql-w+1]T13 其中将得到的6个特征图输入最大池化层中获得固定长度的特征向量表示： Qi＝P{qi1,qi2,...,qil-w+1}14 其中，Qi表示第i个特征图经过最大池化操作后的特征向量，qi1表示第i个特征图的第1份特征，qil-w+1表示第i个特征图的第l-w+1份特征； 最后通过公式15将经过池化后的特征向量拼接起来形成最终的查询关键词特征编码 采用与获取相同的方法即可得到政务关键词特征编码 S2-3：使用改进图注意力机制为政务知识图中的每个结点分配不同的权重，并利用所述权重来增强政务词粒度向量，采用软注意力机制对查询关键词特征编码值和政务关键词特征编码值进行交互，得到每个词语经过加权后的增强表征并输入池化层获取的特征向量进行拼接，分别得到用户查询最终表征向量和事项名称最终表征向量； S2-4：融合层通过向量对位相减和向量对位相乘实现多特征交叉融合，得到查询-事项名称之间的匹配程度； S2-5：将得到查询-事项名称之间的匹配程度直接输入多层全连接神经网络预测匹配分数，并根据预测匹配分数按照降序排列，并输入与预测匹配分数对应的政务事项名称； S3:对于新用户，采用S1得到用户向量输入最优KEMG模型，最优KEMG模型计算该新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TOP-k。

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”。

以上内容由龙图腾AI智能生成。