(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 202111665095.5 (22)申请日 2021.12.31 (71)申请人 中南财经政法大 学 地址 430073 湖北省武汉市东湖新 技术开 发区南湖大道182号 (72)发明人 马霄　曾江峰　叶逸　邓秋淼　 杨婷婷　江池　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 专利代理师 单天禹 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/335(2019.01) G06F 16/38(2019.01) G06F 16/383(2019.01)G06F 16/958(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于异质图卷积神经网络的学术论文 推荐方法及系统 (57)摘要 本发明公开了一种基于异质图卷积神经网 络的学术论文推荐方法及系统， 包括： 获取作者 数据和论文数据， 构建包含作者属性信息和论文 属性信息的异质学术网络； 在所述异质学术网络 中， 利用基于注意力机制的异质图卷积神经网络 模型分别学习得到作者节点的表示向量和论文 节点的表 示向量； 将作者节点的表 示向量与论文 节点的表 示向量进行拼接融合操作， 基于多层感 知机的思想进行模型训练， 获取目标作者对论文 的研究偏好， 生成所述目标作者的论文推荐列 表。 本发明的学术论文推荐 方法能够有效捕获异 质学术网络中的作者与论文的特征信息， 提高节 点表示效率， 提高论文推荐的准确度。 权利要求书3页 说明书12页 附图6页 CN 114510630 A 2022.05.17 CN 114510630 A 1.一种基于异质图卷积神经网络的学术论文推荐方法， 其特征在于， 所述学术论文推 荐方法， 包括 步骤： S100： 获取作者数据和论文数据， 并进行预处理操作； 根据预处理的数据按照不同对象 之间的关系， 以每个节点代表 一个对象， 节点间的边代表两个连接的对象之 间的关系， 构建 包含作者属性信息和论文属性信息的异质学术网络； S200： 在所述异质学术网络中， 利用基于注意力机制的异质图卷积神经网络模型分别 学习得到作者节点的表示向量和论文节点的表示向量； S300： 将作者节点的表示向量与论文节点的表示向量进行拼接融合操作， 基于多层感 知机的思想进行模型训练， 获取目标作者对论文的研究偏好， 生成所述 目标作者的论文推 荐列表。 2.根据权利要求1所述的学术论文推荐方法， 其特征在于， 所述构建包含作者属性信 息 和论文属性信息的异质学术网络， 包括 步骤： S101： 根据作者的引用论文数据， 将作者节点与论文节点通过边连接起来， 节点之间的 边表示为作者对论文的引用关系， 构建基础的异质学术网络； S102： 获取作者数据， 所述作 者数据包括作者的属性信息， 所述作者的属性信息至少包 括作者的单位、 研究方向、 合作者； S103： 获取论文数据， 所述论文数据包括论文的属性信息， 所述论文的属性信息至少包 括论文的出 版会议、 发表年份、 引用论文； S104： 将获取的作者数据和论文数据进行去噪、 去重的预处理操作， 得到预处理的数 据； S105： 根据预处理的数据， 将所述作者的属性信息和论文的属性信息表示为不同的节 点， 按照不同节点之 间的关系， 在所述基础的异质学术网络上进 行节点与边的添加， 构建出 包含作者的属性信息和论文的属性信息的异质学术网络G＝(V,E)， 其中V是节点集， E是边 集。 3.根据权利要求1所述的学术论文推荐方法， 其特征在于， 所述在所述异质学术网络 中， 利用基于注意力机制的异质图卷积神经网络模型学习得到作者节点的表示向量， 包括 步骤： 针对作者的属性信息的节点， 使用图卷积神经网络的方法， 将作者节点自身的特征表 示与所述作者节点自身相 邻节点的特征表示聚合在一起， 聚合时根据作者节点与不同对象 之间的关系， 使用注意力机制对不同的链接关系的重要性进行度量， 将所得到的权重用于 相邻节点表示的聚合中， 然后通过非线性变换， 最后更新以获得异质学术网络中作者节点 的表示向量； 其中， 所述作者节点自身相邻节点至少包括作者的单位节点、 研究方向节点、 合作者节 点； 所述作者节点与不同对 象之间的关系至少包括作者的单位隶属关系、 作者的研究方向 所属关系 、 作者的合作关系。 4.根据权利要求3所述的学术 论文推荐方法， 其特 征在于， 还 包括以下步骤： 首先为每个作者的属性信 息的节点添加一个自环， 使得在聚合中包含作者节点自身的 节点表示， 并且将所述作者节点自身相邻节点投影到同一低 维语义空间下， 将同一低 维语 义空间下 的作者节点自身的特征表示与所述作者节点自身相邻节点的特征表示聚合在一权　利　要　求　书 1/3 页 2 CN 114510630 A 2起。 5.根据权利要求1所述的学术论文推荐方法， 其特征在于， 所述在所述异质学术网络 中， 利用基于注意力机制的异质图卷积神经网络模型学习得到论文节点的表示向量， 包括 步骤： 针对论文的属性信息， 使用图卷积神经网络的方法， 聚合论文节点自身的特征表示与 所述论文节点自身相邻节点的特征表示， 聚合时根据论文自身节点与不同对象之间的关 系， 使用注意力机制针对不同的链接关系的重要性进行度量， 将所得到的权重用于相邻节 点表示的聚合过程中， 然后通过非线性变换， 最后更新以得到异质学术网络中论文节点的 表示向量； 其中， 所述论文节点自身相邻节点至少包括论文发表的会议节点、 论文发表的年份节 点、 论文的引用论文节点； 所述论文自身节点与不同对 象之间的关系至少包括论文会议的 出版关系、 论文年份的发表关系 、 论文的引用关系。 6.根据权利要求5所述的学术 论文推荐方法， 其特 征在于， 还 包括以下步骤： 首先为每个论文的属性信 息的节点添加一个自环， 使得在聚合中包含论文节点自身的 节点表示， 并且将与所述论文节点自身相邻节点投影到同一低 维语义空间下， 将同一低 维 语义空间下 的论文节点自身的特征表示与所述论文节点自身相邻节点的特征表示聚合在 一起。 7.根据权利要求1所述的学术论文推荐方法， 其特征在于， 基于多层感知机的思想获取 作者对论文的研究偏好 表示如下： 其中， Za为作者a的节 点表示， Zp为论文p的节 点表示， 函数f表 示多层感知机组件， 表示向量的拼接操作。 8.一种基于异质图卷积神经网络的学术 论文推荐系统， 其特 征在于， 包括： 异质学术网络构建模块， 用于获取作者数据和论文数据， 并进行预处理操作， 根据 预处 理的数据按照不同对 象之间的关系， 以每个节点代表一个对 象， 节点间的边代表两个连接 的对象之间的关系， 构建包 含作者属性信息和论文属性信息的异质学术网络； 特征向量表示模块， 用于在所述异质学术网络中， 利用基于注意力机制的异质图卷积 神经网络模型分别学习得到作者节点的表示向量和论文节点的表示向量； 论文推荐模块， 用于将作者节点的表示向量与论文节点的表示向量进行拼接融合操 作， 基于多层感知机的思想进 行模型训练， 获取作者对论文的研究偏好， 生 成所述作者的论 文推荐列表。 9.一种存储介质， 其特征在于， 所述存储介质存储有计算机指令， 所述计算机指令用于 使计算机执行如权利要求 1‑7中任一项 所述的基于异质图卷积神经网络的学术论文推荐方 法。 10.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处权　利　要　求　书 2/3 页 3 CN 114510630 A 3