[发明专利]一种基于企业特征传播的企业服务推荐方法

权利要求书

1.一种基于企业特征传播的企业服务推荐方法，其特征在于，包括如下步骤：

a)获取n个企业经营数据，该数据中每个企业具有企业属性表C、服务属性表S及服务交互记录表R，将n个企业经营数据进行标准化处理；

b)在标准化处理后的数据中根据企业属性表C中的经营状态、所属行业、企业类型、经营范围和业务范围5个类别字段，使相同值进行连接，得到知识图谱head,e,tail，其中head为头实体，tail为尾实体，e为头尾实体间关系；

c)在服务交互记录表R中搜索目标预测服务s中包含的交互企业c′，s∈S，c′∈C，将搜索记录添加到目标预测服务s中形成企业交互集合Set_s；

d)利用知识图谱head,e,tail将企业交互集合Set_s中企业作为head节点，通过头尾实体间关系e寻找尾实体tail，将寻找到的尾实体tail组成的集合建立第一次传播集合将作为head节点，通过头尾实体间关系e寻找尾实体，将寻找到的尾实体tail组成的集合建立第二次传播集合重复上述循环，直至将作为head节点，通过头尾实体间关系e寻找尾实体，将寻找到的尾实体tail组成的集合建立第n次传播集合

e)随机初始化所有企业的embedding编码和n个转化矩阵r，n为传播次数，embedding编码和转化矩阵r的训练的目标为h×r＝t，h为头实体的embedding，t为尾实体的embedding，h、r、t的维度均为d；

f)通过公式w_i＝h_ir_τc_o计算相似度权重w_i，式中c_o为目标企业c的embedding编码，h_i为传播集合中第i个企业的embedding编码，τ∈{1,...,n}，r_τ为第τ次传播的转化矩阵，w_i的维度为d；

g)通过公式计算目标服务的转换向量a_τ，a_τ∈R^d，R为实数，d嵌入维度，c_i为传播集合中的企业的embedding编码；

h)随机初始化二维合并矩阵T∈R^d×d，通过公式计算目标服务特征向量v_τ；

i)重复步骤h)直至得到n个企业服务表示向量v₁,...,v_n；

j)通过公式计算目标企业c对目标预测服务s采纳的概率，完成企业特征传播预训练模型的建立；

k)通过公式计算损失函数L，式中为预测值，y为预测企业和服务对应的标签，log为以e为底的对数函数，α∈(0,1)，α为权重，为第τ次传播下，传播集合中的第i个企业的embedding编码，为为第τ次传播下，传播集合中的第i个企业对应尾结点的embedding编码；

l)对企业属性表C中企业经营范围关键词使用multi-hot编码，得到编码后的输出结果I_k，对企业属性表C中证照类信息l₁,l₂,...,l_x使用SPSS软件分别进行k-means算法聚类操作，x为企业属性表C中证照类信息中字段的个数，聚类中心k＝5，聚类后生成5类标签信息，将5类标签信息使用one-hot编码形式的向量进行拼接，得到证照输入集合I_l；

m)对企业属性表C中企业风险类信息t₁,t₂,...,t_y使用SPSS软件分别进行k-means算法聚类操作，y为企业属性表C中风险类信息中字段的个数，聚类中心k＝5，聚类后生成5类标签信息，将5类标签信息使用one-hot编码形式的向量进行拼接，得到证照输入集合I_t；

n)通过公式计算输入嵌入向量I_c，为向量拼接，通过公式计算输入嵌入向量I_s，I_side为服务属性表S中目标服务的特征；

o)将向量I_c通过多层MLP转化为d维向量得到企业embedding向量V_c；

p)将向量I_s通过多层MLP转化为与企业embedding向量V_c相同维度服务embedding向量V_s；

q)利用公式得到预测得分完成企业特征传播网络模型的建立，θ为全局变量，T为转置；

i)利用损失函数L使用Adam优化方法对企业特征传播网络模型进行优化；

s)保持优化后的企业特征传播网络模型的参数；

t)将优化后的企业特征传播网络模型的预测得分按大小排序，将得分最高的10个项目推荐给用户。