(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211021920.2 (22)申请日 2022.08.24 (71)申请人 阿里巴巴 （中国） 有限公司 地址 311121 浙江省杭州市余杭区五常街 道文一西路969号3幢5层5 54室 (72)发明人 陈高杰　 (74)专利代理 机构 北京同钧律师事务所 16 037 专利代理师 柴海平　许怀远 (51)Int.Cl. G06F 40/35(2020.01) G06F 16/36(2019.01) G06F 16/9535(2019.01) G06F 16/9538(2019.01) (54)发明名称 基于知识图谱的知识推荐方法、 装置及设备 (57)摘要 本申请提供一种基于知识图谱的知识推荐 方法、 装置及设备， 本申请的方法， 根据本次会话 的对话上文信息识别用户意图， 并确定所涉及的 数据对象和候选知识； 根据用户意图、 所涉及的 数据对象和候选知识确定知识图谱中对应的目 标节点， 根据用户的用户信息和知识图谱的图结 构信息确定目标节点的邻居节 点的聚合权重， 融 合了用户 信息和知识 图谱的图结构信息等多元 信息， 将邻居节点的特征向量聚合到目标节点的 特征向量， 有效聚合了知识图谱中的关联特征信 息， 使得本次会话相关的用户、 商品、 商家、 用户 意图、 候选知识等目标节点的特征表 示得到有效 增强， 根据聚合后的特征向量预估候选知识的预 估参数并推荐知识， 提升 了知识推荐的精准度。 权利要求书2页 说明书17页 附图6页 CN 115392262 A 2022.11.25 CN 115392262 A 1.一种基于知识图谱的知识推荐方法， 其特 征在于， 包括： 响应于接收到用户的问题， 根据本次会话的对话上文信 息， 确定用户意图、 所涉及的数 据对象和候选知识； 根据所述用户意图、 所 涉及的数据对象和候选知识， 确定知识图谱中对应的目标节点； 根据所述用户的用户信 息和/或所述知识图谱的图结构信 息确定所述目标节点的邻居 节点的聚合权重， 基于所述邻居节点的聚合权重将所述邻居节点的特征向量与所述目标节 点的特征向量聚合， 得到所述目标节点聚合后的特 征向量； 根据所述目标节点聚合后的特征向量， 对所述候选知识进行排序， 并根据排序结果进 行知识推荐。 2.根据权利要求1所述的方法， 其特征在于， 所述响应于接收到用户的问题， 根据本次 会话的对话上文信息， 确定用户意图、 所 涉及的数据对象和候选知识， 包括： 响应于接收到用户的问题， 获取本次会话的对话上文信息； 对所述对话上文信息中的用户问题进行意图识别， 得到用户意图， 并确定所述对话上 文信息所 涉及的数据对象和所述数据对象的属性信息； 根据所述用户意图和所述数据对象的属性信息， 查询知识库， 得到候选知识。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述对话上文信 息中的用户问题进 行意图识别， 得到用户意图， 包括： 对所述对话上文信 息中至少一轮对话的用户问题分别进行意图识别， 得到所述至少一 轮对话中每一轮对话的用户意图。 4.根据权利要求2所述的方法， 其特征在于， 所述根据所述用户意图和所述数据对象的 属性信息， 查询知识库， 得到候选知识， 包括： 根据所述用户意图查询知识库， 得到与所述用户意图关联的候选知识； 根据所述数据对象的属性信息， 确定所述数据对象对应的热门用户意图， 并查询知识 库得到与所述热门用户意图关联的候选知识， 其中， 所述数据对象包括以下至少一项： 商 品、 商家、 订单、 会话。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述用户的用户信息和/或所述 知识图谱的图结构信息确定所述目标节点的邻居节点的聚合权 重， 包括： 根据所述用户的用户信息和/或所述知识图谱的图结构信息， 确定所述目标节点的邻 居节点的用户信息权重、 边信息权重和拉普拉斯权重中的至少一项权重， 其中， 所述用户信 息权重根据所述用户的特征向量和所述邻居节点的特征向量确定， 所述边信息权重根据所 述邻居节点的节点 三元组关系信息确定； 根据所述至少一项权 重， 确定所述邻居节点的聚合权 重。 6.根据权利要求1 ‑5中任一项所述的方法， 其特征在于， 所述根据 所述用户的用户信 息 和所述知识图谱的图结构信息确定所述目标节点的邻居节点的聚合权重， 基于所述邻居节 点的聚合权重将所述邻居节点的特征向量与所述目标节点的特征向量聚合， 得到所述目标 节点聚合后的特 征向量， 包括： 根据每一所述目标节点， 构建所述目标节点的n跳ego图， 其中n 为正整数； 根据所述目标节点的n跳ego 图， 根据邻居节点与所述目标节点的距离， 依次将外层节 点的特征向量聚合到内层节点上， 直至将所述 目标节点的1跳邻居节点的特征向量聚合到权　利　要　求　书 1/2 页 2 CN 115392262 A 2所述目标节点的特 征向量上， 得到所述目标节点聚合后的特 征向量； 其中， 将外层节点的特征向量聚合到任一内层节点上时， 根据所述用户的用户信息和 所述知识图谱的图结构信息确定所述外层节点的聚合权重， 基于所述外层节点的聚合权重 将所述外层节点的特征向量与所述内层节点的特征向量聚合， 得到所述内层节点聚合后的 特征向量。 7.根据权利要求5所述的方法， 其特征在于， 根据每一所述目标节点， 构建所述目标节 点的n跳ego图时， 包括： 获取所述ego图中任一内部节点的1跳邻居节点时， 若所述内部节点的1跳邻居节点的 数量大于或等于预设数量， 则对所述内部节点的1跳邻居节点进行降采样。 8.一种基于知识图谱的知识推荐装置， 其特 征在于， 包括： 知识筛选模块， 用于响应于接收到用户的问题， 根据本次会话的对话上文信息， 确定用 户意图、 所 涉及的数据对象和候选知识； 图学习模块， 用于根据 所述用户意图、 所涉及的数据对象和候选知识， 确定知识图谱中 对应的目标节点； 根据所述用户的用户信息和/或所述知识图谱的图结构信息确定所述 目 标节点的邻居节点的聚合权重， 基于所述邻居节 点的聚合权重将所述邻居节点的特征向量 与所述目标节点的特 征向量聚合， 得到所述目标节点聚合后的特 征向量； 推荐排序模块， 用于根据 所述目标节点聚合后的特征向量， 对所述候选知识进行排序， 并根据排序结果进行知识推荐。 9.一种电子设备， 其特 征在于， 包括： 处 理器， 以及与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1 ‑7中任一项 所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 所述计算机执行指令被处理器执行时用于实现如权利要求1 ‑7中任一项所述的 方法。 11.一种计算机程序产品， 其特征在于， 包括计算机程序， 该计算机程序被处理器执行 时实现权利要求1 ‑7中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115392262 A 3