收录：
摘要：
本发明提供基于属性异构网络表示学习的专利交易推荐方法。本发明通过IncoPat专利数据库采集专利数据，基于文献研究构建影响专利交易的属性指标体系；构建包括三类节点、三类关系及多个属性的专利交易AHN；基于神经网络获得节点的多维高斯分布、基于元路径随机游走生成节点序列、基于skip‑gram并利用KL散度度量高斯分布差异从而获得每个低维节点向量空间；基于余弦相似度计算节点间相似度进行目标组织的Top‑k推荐。本发明通过将组织及专利属性融入技术交易AHN中，解决属性融合不足、计算复杂度高及计算精度低等问题，通过考虑属性嵌入的不确定性和节点距离的非对称性，解决专利交易推荐结果精准度不高问题，且推荐结果更具多样性。
关键词：
通讯作者信息：
电子邮件地址：
