科创中国

本发明公开了一种基于知识增强与空洞卷积的冷链物流推荐方法及装置。首先对用户、车源和历史交互信息进行数据清洗与整理，构建车源信息知识图谱G；然后构建L层图卷积网络，通过聚合和更新进行层层卷积，捕获车源项目的近邻信息，得到车源项目特征向量；接着在交互单元，对交互矩阵Y进行压缩操作，得到用户特征向量与实体特征向量，同时使用空洞卷积进行知识嵌入学习；最后将对用户特征向量与车源项目特征向量求内积，输出用户对车源项目的点击预测值。本发明方法通过多任务学习的方法，同时进行推荐与知识嵌入训练，挖掘车源项目的潜在特征，获得用户的偏好特征，有效地应对冷启动与数据稀疏的情况，增强推荐性能。

发明目的：针对上述问题，本发明提供一种基于知识增强与空洞卷积的冷链物流推荐方法及装置，结合推荐系统与知识图谱特征学习，通过多任务学习的方法增强推荐的可解释性，提高推荐车源项目的多样性。

近年来，随着大数据技术的快速发展，冷链物流行业的用户量与信息量规模不断扩大，海量的信息资源已导致了信息过载。为了缓解车源运输平台的信息超载，推荐系统已广泛应用于个性化信息过滤。

在现有的冷链物流推荐方法中，在如下不足：1、目前基于协同过滤的冷链物流推荐方法存在冷启动的问题，并且难以解释；2、融合知识图谱的冷链物流推荐方法未能把用户特征与车源特征和知识图谱进行有效融合，只单一地考虑了车源项目与实体或者用户与实体间的联系；3、难以学习知识图谱车源间的潜在特征，发现车源项目间的高阶内在关系。

此技术是淮阴工学院李翔研发，淮阴工学院，位于江苏省淮安市，宗旨和业务范围是“培养高等学历人才，促进社会发展。工学类、理学类、经济学类、管理学类、文学类、法学类、艺术学类和农学类学科本科学历教育工程硕士研究生学历教育相关科学研究技术开发继续教育专业培训学术交流与咨询服务会议展览服务”。

与现有技术相比，此技术产生的有益效果：

1、本发明构建多层图卷积网络，去除了GCN中的特征转换矩阵，降低了模型的训练难度；不同卷积层对远近节点的信号具有差别，没有把最后一层图卷积的节点作为最终的车源项目特征表示，而是结合了不同卷积层的邻域聚合信息。

2、本发明在知识嵌入单元，使用空洞卷积对更大区域进行特征交互建模，通过多尺度的空洞卷积核，获得实体与关系的多尺度交互特征，融合多尺度的信息，获得知识图谱中实体与关系的合理表示。

3、本发明采用多任务学习的训练方式，共享车源项目的潜在特征，计算用户的偏好特征，增强推荐性能；在交叉压缩单元，去除压缩层中的参数偏置，降低计算量，并实现了用户u与知识嵌入单元中实体之间的信息共享。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。