1.一种基于知识增强与空洞卷积的冷链物流推荐方法，其特征在于，包括如下步骤：步骤1：对用户、车源和历史交互信息进行数据清洗与整理，构建车源信息知识图谱G，G＝{(h,r,t)|h,t∈E；r∈R}，h，t分别表示头实体和尾实体，r表示两实体间的关系；

步骤2：构建L层图卷积网络，通过聚合和更新进行层层卷积，捕获车源项目的近邻信u息，将邻域聚合得到车源项目特征向量v；

步骤2.1：输入用户υ与车源项目v，将车源项目映射到知识图谱G中，定义ev为车源项目v在知识图谱中对应的实体，ev＝v→e，v∈V，e∈E，E为节点集合；

步骤2.2：定义循环变量i，i＝L,...,1，ev为起点，每个节点e抽取邻近固定大小近邻集S(e)，最大接收域为L层；

0 L

步骤2.3：由外到内依次遍历接收域，获得L+1层近邻集合E＝{E ,...,E}；

d

步骤2.4：建立L层图卷积网络进行邻域聚合与更新，定义u∈R 为用户υ的向量表示，γd∈R为关系r的向量表示，d表示向量的维数， 为关系r对用户υ的偏好影响的重要性，g为内积函数；

步骤2.5：定义循环变量l；

步骤2.6：若0≤l＜L，则执行以下步骤2.7‑2.8，否则跳至步骤2.9；

(l)

步骤2.7：定义节点e∈E ，对每个e执行以下步骤2.7.1‑2.7.3；

步骤2.7.1：利用内积函数g计算用户和实体关系之间的分数，步骤2.7.2：在聚合操作中，对v的l‑1阶近邻表示进行线性聚合，捕获车源v的第l阶近d邻信息，得到车源v的l阶近邻表示 其中e∈R是实体e的向量表示， 是归一化的用户关系评分；

步骤2.7.3：在更新操作中得到车源项目的l阶表示u(l)

步骤2.8：得到v ，l＝l+1；

u(0) u(1) u

步骤2.9：通过L层的卷积，获得车源项目v在不同卷积层的表示V＝{v ,v ,...,v(L)}；

步骤2.10：对多层卷积结果进行求均值，得到车源项目特征向量的最终表示步骤3：在交互单元，构建交互矩阵Y并对交互矩阵Y进行压缩操作，得到用户特征向量uL与头实体特征向量；

步骤3.1：定义E(u)＝{e|e∈N(v)andv∈{v|yuv＝1}}为用户υ的实体集合；

d

步骤3.2：定义特征向量ul∈R 和el∈E(u)分别为第l层的用户和实体，构建交互矩阵d并进 行压 缩操 作 ，定义 W∈ R 为 神经网 络的 权 重 ，压缩公 式 为d×d d步骤3.3：将交互矩阵的维度从R 降至R输出用户特征向量uL与实体特征向量hL；

步骤4：在知识嵌入单元，使用交互单元提取的头实体特征向量与多层感知机提取的关系特征向量输入空洞卷积网络，得到特征向量o，最终计算三元组(h,r,t)评分；

L L

步骤4.1：定义L层感知机M提取实体间关系特征向量γL＝M(M(…M(γ)))＝M(γ)；

步骤4.2：建立空洞卷积网络，将头实体特征向量hL与关系特征向量γL作为输入；

h w

步骤4.3：将头实体特征向量hL切分成d 个长度为d的向量，以按行堆叠的方式重塑为矩阵步骤4.4：将关系特征向量γL分割成kc个大小相同的块，每个块被切分成kh个长度为kw的向量，以按行堆叠的方式重塑为二维标准卷积核步骤4.5：定义i卷积核的空洞率参数， 生成不同大小的空洞卷积核

步骤4.6：定义Ci为矩阵 与空洞率为i的卷积核 交互得到的特征输出，*为卷积操作，步骤4.7：定义vec为整平操作，concat为拼接操作，WF为特征投影矩阵，将不同尺度下实体与关系的交互特征进行融合得到特征向量o＝vec(concat(C1；C2；...；Ci)WF)；

步骤4.8：定义f为非线性激活函数，WP为特征投影矩阵，计算特征向量o与尾实体向量的T内积相似度来评价三元组(h,r,t)的合理性，得到评分score(h,r,t)＝f(oWP) t；

步骤5：对用户特征向量与车源项目特征向量求内积，输出用户对车源项目的点击预测值。

2.根据权利要求1所述的基于知识增强与空洞卷积的冷链物流推荐方法，其特征在于，

0 L

所述步骤2.3中获得L+1层近邻集合E＝{E ,...,E}的具体操作为：步骤2.3.1：若i

(i) (i‑1)

步骤2.3.2：E ←E ，定义循环变量j；

(i‑1)

步骤2.3.3：若j＜len(E )，则执行以下步骤2.6，否则跳至步骤2.7；

(i)

步骤2.3.4： E ←E(i)∪S(e)，j＝j+1；

(i)

步骤2.3.5：得到E ，i＝i+1；

0 L

步骤2.3.6：得到集合E＝{E ,...,E}。

3.根据权利要求1所述的基于知识增强与空洞卷积的冷链物流推荐方法，其特征在于，所述步骤5的具体方法为：u

步骤5.1：在模型预测单元将步骤2邻域聚合得到的车源项目特征向量v与步骤3用户特征向量uL作为输入；

u

步骤5.2：定义ψ为sigmoid函数，对项目特征向量v与用户特征向量uL求内积，输出用于u对项目v的项目预测值

4.一种基于知识增强与空洞卷积的冷链物流推荐装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时执行权利要求1‑3任一项所述的基于知识增强与空洞卷积的冷链物流推荐方法的步骤。