CN116010711B 一种融合用户信息及兴趣变化的kgcn模型电影推荐方法 （江西理工大学南昌校区）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116010711B(45)授权公告日2025.07.04

(21)申请号202310179613.5

(22)申请日2023.02.28

(65)同一申请的已公布的文献号申请公布号CN116010711A

(43)申请公布日2023.04.25

(73)专利权人江西理工大学南昌校区

地址330044江西省南昌市经济技术开发

区双港东大街1180号

(72)发明人刘述民张效铭张云丽谢树标

GO6N3/08(2023.01)

GO6F18/25(2023.01)

(56)对比文件

CN112765486A,2021.05.07CN114491247A,2022.05.13审查员刘义乐

(74)专利代理机构北京国坤专利代理事务所

(普通合伙)11491专利代理师张国栋

(51)Int.CI.

GO6F16/9535(2019.01)

GO6F16/36(2019.01)权利要求书1页说明书4页附图1页

(54)发明名称

一种融合用户信息及兴趣变化的KGCN模型电影推荐方法

(57)摘要

CN116010711B本发明公开了一种融合用户信息及兴趣变化的KGCN模型电影推荐方法，基本步骤为：获取用户的长、短期电影评分表、用户个人信息表；通过自然语言处理技术将用户个人信息融入用户的初始嵌入向量中；构建用户长、短期观看和评分电影的知识图谱，融合用户初始嵌入向量，分别通过KGCN模型及注意力机制生成用户长、短期兴趣表示；将用户长、短期兴趣表示进行加权求和生成用户兴趣表示，预测待预测电影，根据预测结果对用户实行推荐。本发明提供的方法瞄准解决推荐算法未考虑用户个人信息、用户兴趣存在变化的问题，在

CN116010711B

用户短期电影

用户短期电影

评分数据

短期电影知识图谱

KCEN模型用户初始嵌入向量

邻域表示向量

注意力机制/加权求和

用户长期兴趣表示

加权求和

内积

用户%超表示

C分最

特预测电影向量表示

用户长期电影评分数据

用户短期兴趣表示

特及电步

用户个人信息

电影如识图

KCC模型

KOS模型

用户匹配

CN116010711B权利要求书1/1页

2

1.一种融合用户信息及兴趣变化的KGCN模型电影推荐方法，其特征在于，包含以下步

骤：

S1:数据准备

所准备的数据包括用户长期电影评分记录表，用户短期电影评分记录表，用户的个人信息表，其中具体步骤如下：

(1)电影数据集中的用户长期电影评分记录表存放于程序指定的目录固定位置，用户短期电影评分记录表存放于程序指定的目录位置；

(2)用户的个人信息表，存放于程序指定的目录固定位置；

S2:兴趣演化

导入S1所述各类数据，通过KGCN模型对其进行融合处理，获取用户长、短期兴趣偏好，进一步融合处理获取用户兴趣表示，其中具体步骤如下：

(1)将用户个人信息表示为向量形式，并融入用户初始嵌入向量中；

(2)依据S1所述用户长、短期电影评分记录表，分别构建相应的知识图谱，实体包括用户、电影、导演、演员、电影类别等；

(3)分别将构建的长、短期电影知识图谱以及用户初始嵌入向量通过KGCN模型，分别生成对应的长、短期邻域表示向量；

(4)引入注意力机制，依据生成的长期邻域表示向量h;,通过加权求和，构建用户-电影之间的关系权重β,,并依次得到用户的长期兴趣偏好表示u1,计算式为：

(5)依据生成的短期邻域表示向量s,通过匹配用户得分，即内积操作求出邻域表示向量分值最大者作为用户短期兴趣偏好表示us;

(6)依据用户长、短期兴趣偏好表示u1、u?,以加权求和的方式将其融合生成为用户的兴趣表示u,计算式为：

u;=w?u1+w?u?+b

其中，w?、w?为权重系数，b为偏置量。

S3:模型预测

对待预测电影进行一序列处理后，获得对应的向量表示，与S2所提取的用户的兴趣表示一起，经融合处理获得电影评分预测，并以此实现对用户的电影推荐，其中具体步骤如下：

(1)输入待预测电影数据；

(2)构建输入电影数据的知识图谱；

(3)将知识图谱输入KGCN模型，输出待预测电影的向量表示；

(4)将