(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 202211042686.1 (22)申请日 2022.08.29 (71)申请人 浙江极氪智能科技有限公司 地址 315800 浙江省宁波市北仑区新碶街 道岷山路138 8号商务大厦1幢10 31室 申请人 浙江吉利控股集团有限公司 (72)发明人 陈龙　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 李威 (51)Int.Cl. G06F 16/33(2019.01) G06F 16/332(2019.01) G06F 16/335(2019.01) G06F 16/36(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 40/30(2020.01) G06K 9/62(2022.01) (54)发明名称 基于知识图谱的话题推荐方法 (57)摘要 本说明书提供一种基于知识图谱的话题推 荐方法， 通过在人工问答系统维护了预先构建的 用于进行话题推荐的知 识图谱， 获取所述用户输 入的话题； 确定所述用户输入的话题在所述知识 图谱中对应的目标话题节点； 计算所述目标话题 节点与所述知识 图谱中的话题节点之间的语义 相似度； 所述语义相似度用于指示所述知识图谱 中的话题节点与所述目标话题节点之间的关联 程度； 基于所述语义相似度， 以及所述用户的历 史问答信息， 从所述知识图谱中选择话题节点， 向所述用户进行话题推荐。 权利要求书3页 说明书10页 附图3页 CN 115391489 A 2022.11.25 CN 115391489 A 1.一种基于知识图谱的话题推荐方法， 应用于人机问答系统， 所述人机问答系统维护 了用于进 行话题推荐的知识图谱， 其中， 所述知识图谱包含存在若干 关系的话题节点； 所述 人机问答系统还维护了用户的历史问答信息， 所述方法包括： 获取所述用户输入的话题； 确定所述用户输入的话题在所述知识图谱中对应的目标话题 节点； 计算所述目标话题节点与 所述知识图谱中的话题节点之间的语义相似度； 所述语义相 似度用于指示所述知识图谱中的话题 节点与所述目标话题 节点之间的关联程度； 基于所述语义相似度， 以及所述用户的历史问答信息， 从所述知识图谱中选择话题节 点， 向所述用户进行话题推荐。 2.根据权利要求1所述的方法， 所述知识图谱包括基于实时信息构建的实时信息知识 图谱； 其中， 所述实时信息包括基于所述用户所在地理位置实时获取的信息 。 3.根据权利要求1所述的方法， 所述人机问答系统维护了基于用户信息以及用户的历 史问答信息构建的用户信息知识图谱， 所述用户信息知识图谱包含若干已经向所述用户进 行推荐过的话题节 点； 其中， 所述话题节点具有时间特征值， 所述时间特征值用于指示所述 人机问答系统最后一次推荐所述 话题节点的时间； 所述基于所述语义相似度， 以及所述用户的历史问答信息， 从所述知识图谱中选择话 题节点， 向所述用户进行话题推荐， 包括： 基于所述用户信息知识图谱， 确定所述知识图谱中话题 节点的时间特 征值； 基于所述时间特征值， 计算所述知识图谱中的话题节点的时间权重； 所述时间权重用 于指示所述知识图谱中的话题 节点在预设时间段内被 推荐的重要程度； 基于所述语义相似度， 以及所述 时间权重， 从所述知识图谱中选择话题节点， 向所述用 户进行话题推荐。 4.根据权利要求1所述的方法， 计算所述目标话题节点与所述知识图谱中的话题节点 之间的语义相似度， 包括： 将所述知识图谱输入预先训练 的图神经网络进行语义相似度计算， 确定所述目标话题 节点与所述知识图谱中其 他话题节点之间的语义相似度。 5.根据权利要求 4所述的方法， 所述方法还 包括： 重复执行以下训练过程对所述图神经网络进行有监 督训练： 从预设的知识图谱库中选择若干知识图谱作为训练样本， 从所述训练样本 中提取图节 点以及图节点之间的关系； 分别对所述图节点进行编码得到图节点编码， 分别对所述图节点之间的关系 进行编码 得到关系编码； 将所述图节点编码及所述关系编码进行组合， 输入所述图神经网络， 调整所述图神经 网络的参数。 6.根据权利要求5所述的方法， 将所述知识图谱输入预先训练的图神经网络进行语义 相似度计算， 确定所述 目标话题节点与所述知识图谱中其他话题节点之间的语义相似度， 包括： 将所述知识图谱输入预先训练的图神经网络， 得到所知识图谱中各个话题节点的编 码；权　利　要　求　书 1/3 页 2 CN 115391489 A 2将所述目标话题节点的编码与所述知识图谱中其他话题节点编码之间的距离作为目 标话题节点与所述知识图谱中其 他话题节点之间的语义相似度。 7.根据权利要求3所述的方法， 基于所述语义相似度， 以及所述时间权重， 从所述知识 图谱中选择话题 节点， 向所述用户进行话题推荐， 包括： 将所述语义相似度与 所述时间权重进行加权计算， 从所述知识图谱中选择语义相似度 取值最高的话题 节点， 并向所述用户进行话题推荐。 8.一种基于知识图谱的话题推荐装置， 应用于人机问答系统， 所述人机问答系统维护 了用于进 行话题推荐的知识图谱， 其中， 所述知识图谱包含存在若干 关系的话题节点； 所述 人机问答系统还维护了用户的历史问答信息， 所述装置包括： 话题获取 单元， 用于获取 所述用户输入的话题； 节点确定单元， 用于确定所述用户输入的话题在所述知识图谱中对应的目标话题节 点； 相似度计算单元， 用于计算所述目标话题节点与 所述知识图谱中的话题节点之间的语 义相似度； 所述语义相似度用于指示所述知识图谱中的话题节点与所述目标话题节点之间 的关联程度； 话题推荐单元， 用于基于所述语义相似度， 以及所述用户的历史问答信息， 从所述知识 图谱中选择话题 节点， 向所述用户进行话题推荐。 9.根据权利要求8所述的装置， 所述人机问答系统维护了基于用户信息以及用户的历 史问答信息构建的用户信息知识图谱， 所述用户信息知识图谱包含若干已经向所述用户进 行推荐过的话题节 点； 其中， 所述话题节点具有时间特征值， 所述时间特征值用于指示所述 人机问答系统最后一次推荐所述 话题节点的时间； 所述节点确定单元， 进一步用于基于所述用户信息知识图谱， 确定所述知识图谱中话 题节点的时间特 征值； 基于所述时间特征值， 计算所述知识图谱中的话题节点的时间权重； 所述时间权重用 于指示所述知识图谱中的话题 节点在预设时间段内被 推荐的重要程度； 基于所述语义相似度， 以及所述 时间权重， 从所述知识图谱中选择话题节点， 向所述用 户进行话题推荐。 10.根据权利要求8所述的装置， 所述装置还 包括： 模型训练单 元， 用于重复执行以下训练过程对图神经网络进行有监 督训练： 从预设的知识图谱库中选择若干知识图谱作为训练样本， 从所述训练样本 中提取图节 点以及图节点之间的关系； 分别对所述图节点进行编码得到图节点编码， 分别对所述图节点之间的关系 进行编码 得到关系编码； 将所述图节点编码及所述关系编码进行组合， 输入所述图神经网络， 调整所述图神经 网络的参数。 11.一种电子设备， 包括： 处理器； 用于存储处理器可执行指令的存 储器； 其中， 所述处理器通过运行所述可执行指令以实现如权利要求1 ‑7中任一项所述的方权　利　要　求　书 2/3 页 3 CN 115391489 A 3