基于动态知识图谱的成果被引用量预测方法、介质及设备

专利申请号：CN202210530426.2

公 开 号：CN114817571A

发 明 人：庄越挺 宗畅 邵健 鲁伟明 

代 理 人：杭州求是专利事务所有限公司傅朝栋;张法高

代理机构：杭州求是专利事务所有限公司

专利类型：发明申请

申 请 日：20220729

公 开 日：20220516

专利主分类号：G06F16/36

关 键 词：图谱 特征表示 引用 聚合 预测 时间序列特征 循环神经网络 动态时序 动态知识 结构信息 历史特征 神经网络 时间维度 时序预测 算法模块 图谱数据 误差指标 引用关系 多维度 冷启动 构建 标签 科技成果 场景 融合 引入 评估 发布 环节 

摘      要：本发明公开了一种基于动态知识图谱的成果被引用量预测方法、介质及设备。本发明通过构建面向科技成果的动态时序知识图谱数据，利用图神经网络、循环神经网络、时序预测函数等算法模块，将成果的特征表示为成果相关多维度属性历史特征的聚合，并以成果历史引用量为标签，对成果未来多年的引用量进行预测。该方法可充分利用成果属性和成果间引用关系所构成的图谱结构信息，可支持对刚发布的成果进行较为准确的预测以解决冷启动问题。此外，该方法将图谱结构与时间序列特征充分融合，在特征表示和特征聚合环节均引入时间维度，训练所得到的模型在误差指标评估方面比同类任务方法有明显的提升。该方法可被用于解决科技创新场景下的多种实际任务。