公开(公告)号：CN112632296B

公开(公告)日：2022-09-23

申请号：CN202011639739.9

申请日：2020-12-31

Applicant: 上海交通大学

Inventor： 谢智 ,  傅洛伊 ,  王新兵

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明提供了一种基于知识图谱具有可解释性的论文推荐方法，包括如下步骤：从数据库中获取论文和用户的数据，利用获取的数据构建异构图；通过在构建的异构图中使用随机游走算法生成多条路径，利用图嵌入算法输出异构图中每个节点的向量表示；在异构图中查找到多条路径，将多条路径用矩阵表示，作为训练数据集的输入，将每条路径对应的某位用户对某论文的评分值，作为训练数据集的输出，构建训练集；搭建循环神经网络和全联接层模型，从训练集中学习循环神经网络和全联接层模型的参数；根据循环神经网络和全联接层模型为每位用户推荐预测评分最高的多篇论文，并向用户解释做出此推荐的依据。本发明通过引入知识图谱，使得推荐的结果更具可解释性。

公开(公告)号：CN112632296A

公开(公告)日：2021-04-09

申请号：CN202011639739.9

申请日：2020-12-31

Applicant: 上海交通大学

Inventor： 谢智 ,  傅洛伊 ,  王新兵

IPC: G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

Abstract: 本发明提供了一种基于知识图谱具有可解释性的论文推荐方法，包括如下步骤：从数据库中获取论文和用户的数据，利用获取的数据构建异构图；通过在构建的异构图中使用随机游走算法生成多条路径，利用图嵌入算法输出异构图中每个节点的向量表示；在异构图中查找到多条路径，将多条路径用矩阵表示，作为训练数据集的输入，将每条路径对应的某位用户对某论文的评分值，作为训练数据集的输出，构建训练集；搭建循环神经网络和全联接层模型，从训练集中学习循环神经网络和全联接层模型的参数；根据循环神经网络和全联接层模型为每位用户推荐预测评分最高的多篇论文，并向用户解释做出此推荐的依据。本发明通过引入知识图谱，使得推荐的结果更具可解释性。