【技术实现步骤摘要】
本专利技术属于数字化养老的服务推荐，具体涉及一种融合长期特征和短期特征的自适应养老服务推荐方法。
技术介绍
1、数字化养老是利用现代信息技术、互联网和智能设备来提升老年人生活质量和护理服务的管理模式。通过收集和分析老年人的健康数据和行为数据，可以为老年人提供更加精准和个性化的养老服务。目前，养老服务主要涉及护理服务、医疗服务、康复服务、饮食服务、家政服务等内容。在众多服务中老年用户及家属需要花费大量时间与精力去寻找满足自身需求的养老服务。而不同的老年群体（如健康人群、失能人群、空巢人群等）的养老需求并不相同，即便是同一个群体，在不同场景和条件约束下的服务需求也不同。如何在众多的养老服务中，精准地为老年人推荐养老服务，满足他们的个性化需求，是提高养老服务质量的保障。
2、现有被广泛使用的推荐技术是协同过滤技术，该技术是根据与用户（或商品）的相似性分析，来判断用户（或商品）的特点、价值和潜在属性进行推荐。协同过滤技术需要利用历史数据，学习用户潜在的兴趣偏好，如果没有以往的历史数据，就得不到用户的偏好，推荐结果就会不准确。另外，如果新加入的一些用户数据，就需要重新学习用户偏好，效率较低。因此，协同过滤技术存在冷启动和更新滞后的问题。
3、公开号为cn111767469a的中国专利公开了一种养老服务推荐方法和装置。首先获取目标对象的健康数据，然后通过聚类算法对目标对象进行分类，以得到目标对象的对应类别；根据所述对应类别调取历史行为数据，进而基于协同过滤推荐算法计算得到推荐的养老服务数据并返回。协调过滤推荐方法在缺
4、文献（黎婧璇. 基于知识图谱和句嵌入的养老服务推荐方法[d].哈尔滨工业大学,2019.）针对老人具有固定消费习惯的特点，研究基于知识图谱的隐式偏好时序养老服务推荐方法。该方法首先选择对老人偏好进行深度时序建模，通过序列化地理解历史服务交互记录，学习老人的隐式偏好信息，然后使用 gru(gated recurrent unit，门控循环单元)模型，通过改进的 proje 知识嵌入方法，进行服务向量的学习，进一步提升服务推荐的准确度。虽然该方法没用利用服务和用历史交互记录的全部信息，在冷启动问题的解决上有了一定的改进，但在服务推荐时，未考虑用户特定需求的约束条件，无法满足个性化服务推荐的要求。
5、公开号为cn114840777a的中国专利公开了一种多维度养老服务推荐方法、装置及电子设备。首先对知识图谱进行学习得到老年用户与多个待推荐养老服务推荐的匹配得分，形成待推荐养老服务集以实现基于老年用户个人维度的养老服务推荐。在此基础上，基于老年用户多维度用户特征信息及老年用户与多个待推荐养老服务的匹配得分，构建社区养老服务的需求模型并通过学习确定各项用户特征信息对应的权重。并以老年用户的居住地行政区划为维度，根据用户特征权重及养老服务匹配得分对各社区养老服务的需求度进行评分，最终形成兼容个人维度推荐和社区维度的养老服务的准确推荐。但该方法缺乏足够的用户交互数据，难以为新用户提供准确的养老服务推荐。且知识图谱需要不断更新以反映最新的信息，推荐的实时性较差。
6、因此，一种融合长期特征和短期特征的自适应养老服务推荐方法亟待提出。
技术实现思路
1、为解决现有技术存在的缺陷，本专利技术提供一种融合长期特征和短期特征的自适应养老服务推荐方法。
2、为了解决上述技术问题，本专利技术提供了如下的技术方案：
3、本专利技术提供一种融合长期特征和短期特征的自适应养老服务推荐方法，包括以下步骤：
4、s1、根据养老服务中涉及的实体、属性和关系，构建养老领域的知识有向图；
5、s2、根据用户的交互会话序列，构建交互有向图；
6、s3、将知识有向图和交互有向图融合为知识-交互异质多重图；
7、s4、对知识-交互异质多重图中不同的节点和边进行编码；
8、s5、将节点的属性转换为特征向量；
9、s6、对知识-交互异质多重图中的节点进行邻居聚合；
10、s7、基于图神经网络对知识-交互异质多重图进行模型训练；
11、s8、利用训练好的模型生成用户和服务的嵌入向量，基于用户和服务嵌入表示计算推荐分数，根据推荐分数排序，生成最终的推荐列表。
12、优选的，所述步骤s1的知识有向图涉及实体、属性和关系；实体表示现实世界中的对象或概念，是知识有向图中的一个节点；属性表示实体的特征，是节点的附加字段；关系连接两个实体，表示它们之间的语义关联，是知识有向图中的有向边，它从一个知识节点指向另一个知识节点。
13、优选的，在所述步骤s2的交互有向图中，用户的交互会话序列记录了用户在一次浏览会话中的行为数据；每个交互对象是交互有向图中的一个节点，所述交互对象为物品、服务中的至少一种；用户的交互行为形成有向边，它从一个交互节点指向另一个交互节点，边关系表示一种交互行为，包括点击、收藏、评论中至少一种交互。
14、优选的，所述步骤s3具体包括以下步骤：
15、s31、从知识有向图中提取知识节点集合、知识关系集合；从交互有向图中提取交互节点集合、交互关系集合；
16、其中，知识节点集合是知识有向图中所有实体节点构成的集合，知识关系集合是知识有向图中所有实体关系构成的集合；交互节点集合是交互有向图中所有交互对象节点构成的集合，交互关系集合是交互有向图中所有交互行为关系构成的集合；
17、s32、对知识节点集合和交互节点集合中的所有节点分配节点类型编码type1和节点索引号index1，对实体或交互对象名称相同的节点，其节点类型编码type1和节点索引号index1相同；
18、s33、对知识关系集合和交互关系集合中的所有边分配边类型编码type2和边索引号index2，对关系名称和关系连接的收尾节点名称相同的边，其边类型编码type2和边索引号index2相同；
19、s34、对于知识节点集合和交互节点集合中的每个节点，以节点类型编码type1的字段和节点索引号index1的字段作为输入参数，按如下公式进行节点数值化：
20、；
21、经过数值化之后，可以确保相同的节点具有唯一的节点值；
22、s35、用交互节点集合中的每一个节点值和知识节点集合中的每个节点值进行比较，如果两个节点的值相同，则这两个节点表示的是同一个节点，这样的节点称为第一待融合节点；
23、s36、在知识有向图中找出第一待融合节点的一跳邻居节点集合，一跳邻居节点集合表示在知识有向图中和第一待融合节点直接相连接的节点构成的集合；
24、s37、用s36步骤中的邻居节点集合中的每一个节点值去和交互节点集合中的每个节点值再进行比较，如果他们的节点值相同，则这两个节点是同一个节点，这样的节点为第二本文档来自技高网...
【技术保护点】
1.一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S1的知识有向图涉及实体、属性和关系；实体表示现实世界中的对象或概念，是知识有向图中的一个节点；属性表示实体的特征，是节点的附加字段；关系连接两个实体，表示它们之间的语义关联，是知识有向图中的有向边，它从一个知识节点指向另一个知识节点。
3.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，在所述步骤S2的交互有向图中，用户的交互会话序列记录了用户在一次浏览会话中的行为数据；每个交互对象是交互有向图中的一个节点，所述交互对象为物品、服务中的至少一种；用户的交互行为形成有向边，它从一个交互节点指向另一个交互节点，边关系表示一种交互行为，包括点击、收藏、评论中至少一种交互。
4.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S3具体包括以下步骤：
5.根据权利要求4所述的一种融合长
6.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S4对知识-交互异质多重图中不同的节点和边进行编码，具体包括：首先计算集合中每个元素的独热向量，独热向量的维度为所有集合中的元素个数；再用嵌入矩阵A的转置和独热向量相乘得到每个节点元素的初始编码值；
7.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S5中将节点的属性转换为特征向量具体包括以下步骤：
8.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S6中对知识-交互异质多重图中的节点进行邻居聚合，具体包括以下步骤：
9.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤S7中基于图神经网络对知识-交互异质多重图进行模型训练，具体包括以下步骤：
...【技术特征摘要】
1.一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤s1的知识有向图涉及实体、属性和关系；实体表示现实世界中的对象或概念，是知识有向图中的一个节点；属性表示实体的特征，是节点的附加字段；关系连接两个实体，表示它们之间的语义关联，是知识有向图中的有向边，它从一个知识节点指向另一个知识节点。
3.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，在所述步骤s2的交互有向图中，用户的交互会话序列记录了用户在一次浏览会话中的行为数据；每个交互对象是交互有向图中的一个节点，所述交互对象为物品、服务中的至少一种；用户的交互行为形成有向边，它从一个交互节点指向另一个交互节点，边关系表示一种交互行为，包括点击、收藏、评论中至少一种交互。
4.根据权利要求1所述的一种融合长期特征和短期特征的自适应养老服务推荐方法，其特征在于，所述步骤s3具体包括以下步骤：
5.根据权利要...
【专利技术属性】
技术研发人员：刘刚，张君华，沈鸣飞，
申请(专利权)人：苏州元澄科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。