一种基于深度矩阵分解与知识图谱的服务推荐方法
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。
《一种基于深度矩阵分解与知识图谱的服务推荐方法》是一发明专利,专利号为 202310584709X,当前法律状态为已下证,由重庆大学提出申请,发明人为付春雷;吴冕;唐鹏辉;李成高;洪伟;赵义伟;鄢萌,申请日期为2023-05-23,公开(公告)日期为2025-07-29,国际专利分类号(IPC)为 G06F 16/9535 (2019.01),高新资质:未报高企,所属技术领域包括:大模型、矩阵分解。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要: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。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
