科技创新是引领发展的第一动力,而知识产权是科技创新的“保护伞”,专利数据作为知识产权的重要载体之一,是科技型企业与科研人员了解最新科学技术情报的重要途径,因此如何将适合的专利推送给需要的用户,是一个十分值得研究的问题。本文基于这一背景,依托于重庆市科学技术局、重庆市摩托车（汽车）知识产权信息中心所申报的“全球产业及人才图谱构建及系统实现”项目的数据支撑,以向用户进行合理的专利推荐为目的,围绕基于知识图谱的个性化专利推荐系统展开一系列的研究。本文具体工作如下:（1）构建了一个专利产权知识图谱。首先,通过预处理与爬虫手段获取整理出多维知识产权数据,并设计实体消歧手段解决企业名称变更、同名发明人问题;然后,在图谱设计流程中,针对专利产权信息链路特性,对专利的申请人、发明人、IPC分类号等数据进行结构分析,确定了实体与关系的定义及属性,完成了专利产权知识图谱的构建,并以三元组的形式存储至图数据库Neo4j中;最后,针对已搭建好的专利产权知识图谱,使用前端框架D3.js与后端框架Spring Data实现了图谱的可视化渲染与用户交互,用户可在该功能上根据实体与关系的检索交互从而获取到专利知识产权图谱的可视化。（2）提出了融合知识图谱与语义特征的推荐算法。作为本系统的核心之一,在个性化推荐功能模块上,以构建好的专利产权知识图谱作为推荐系统中的辅助信息,提出了一种融合知识图谱与语义特征的多任务学习模型。首先,采用多任务学习的思想将推荐学习与知识表示学习视为两种相对独立的模块;然后,设计了基于自注意力机制的信息融合单元,对推荐学习中的用户行为信息与知识表示学习中的实体结构信息进行融合;针对模型输入,利用Bert预训练语言模型提取了专利文本向量,将其作为知识表示任务中的专利实体节点初始化的一部分,为模型引入语义特征;最后,设计实验验证了模型的效果与准确率。在系统实现上,以离线推荐的形式,通过设计定时任务的方法完成系统对用户的个性化专利推荐。（3）设计并实现了具有多种功能的专利推荐系统。首先,系统整体框架采用前后端分离的B/S经典架构,数据存储方面使用关系型数据库Mysql存储专利、申请人等产权信息详情数据,图数据库Neo4j存储专利产权知识图谱数据;然后基于此开发实现了用户登录、用户收藏、知识产权信息检索、企业产权信息可视化等功能;最后,为保证各功能模块之间的稳定性与独立性,对系统进行了针对性的功能测试与性能测试。综上所述,本文结合知识图谱、推荐系统、图数据库、前端可视化等相关技术。首先设计并构建了一个以专利信息为核心的专利产权知识图谱;然后提出了一种融合知识图谱与语义特征的多任务学习推荐模型;最后在满足用户的产权信息检索、可视化、个性化推荐等基础需求下,实现了基于知识图谱的专利个性化推荐系统。如今系统已完成在Nginx服务器上的部署及开放,能够服务于对知识产权信息有一定需求的用户。