融合知识图谱与注意力机制的产学合作推荐研究

针对产学合作数据稀疏导致推荐精准性和解释性不高问题,提出了一种基于融合知识图谱与领域感知注意力机制的产学合作推荐模IUCR-SKG,旨在为企业用户推荐合适的科研团队,促进产学合作效率。首先构建了产学合作知识图谱和合作关系图,然后合并异构图并使用RotatE技术优化嵌入表示,接着采用基于注意力机制的领域融合方法扩展用户实体,最后使用多层感知机循环叠加结构预测企业用户和科研团队发生合作的概率。以“人工智能AI”领域为例,所提出的模型性能相较于基准模型均有显著提升,且注意力机制将邻域信息融合,扩展了企业用户的合作关系,使得推荐效果相较其他注意力机制的嵌入算法效果也得到一定的改善。

基于知识融合的产学合作推荐研究

产学合作(UIC)对于企业来说是快速实现技术创新的一种有效模式,但受限于信息的不对称和需求的模糊性,当前产学合作机会伙伴选择效率不高。首先,基于领域主题和动态的高校产学合作专家画像,构建了融合产学合作偏好与企业产学合作关系图谱知识的产学合作推荐模型UICR。然后,以“人工智能AI”领域技术企业的业务领域为关键词抽取CNKI近三年的专利数据进行特征抽取和算法建模。最后,对比学术推荐领域常用的推荐算法验证模型的性能。所提出的知识融合产学合作推荐模型在精确率Precision@N、召回率Recall@N和F_(1)-score@N指标上均有显著提升,证明了UICR在产学合作机会识别和伙伴选择中具有更高的实用价值,扩展和深化了当前产学合作推荐的相关研究。