龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：昆明理工大学
申请日：2024-03-30
公开（公告）日：2024-06-14
公开（公告）号：CN118193707A
主分类号：G06F16/332
分类号：G06F16/332;G06F16/33;G06N5/04;G06N3/0455;G06N3/042;G06N3/0464;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.02#实质审查的生效;2024.06.14#公开
摘要：本发明涉及融合图神经网络和多粒度编码的社区问答专家推荐方法，属数据处理领域。本发明通过构造无向图结构将候选专家及其历史回答问题构成关系图，并通过LightGCN神经网络提取专家知识能力特征向量；候选专家问题与目标问题之间存在的多种粒度进行分析，把候选专家问题集和目标问题集的信息数据表示为低维向量，将专家知识能力向量与候选专家问题向量拼接后并通过Transformer将向量转换成矩阵，最后通过聚合器变为特征向量。同时设计了一个编码器，通过单词级、问题级和专家级匹配编码来学习不同粒度之间候选专家问题和目标问题全面相关性，实验结果表明本发明在实际任务中取得了较好的效果，在专家推荐效果上有一定的提升。
主权项：1.融合图神经网络和多粒度编码的社区问答专家推荐方法，其特征在于：所述方法的具体步骤如下：Step1、收集候选专家和问题信息数据，将候选专家历史回答问题集及目标问题集用计算机可识别和处理的向量表示；Step2、利用图卷积神经网络的思想，提取专家知识能力表示向量，并将候选专家历史问题集与目标问题集通过问题编码器获取最终的候选专家向量表示及目标问题向量表示，其中经过图卷积神经网络之后的向量与词嵌入后的候选专家问题向量合并拼接后再通过问题编码器；Step3、将候选专家问题向量通过注意力机制与专家ID进行合并拼接获取最终专家向量表示；Step4、将Step2和Step3中的候选专家问题向量和目标问题向量及专家向量表示分别通过不同粒度层去捕捉更全面相关性，并将三个相关性得分进行合并，从而学习得到候选专家对目标问题的全面匹配度得分，从而训练出模型。
全文数据：
权利要求：
百度查询： 昆明理工大学 融合图神经网络和多粒度编码的社区问答专家推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号