[發明專利]基于用戶會話及圖卷積神經網絡的商品推薦方法及系統有效

申請號：	201910836929.0	申請日：	2019-09-05
公開（公告）號：	CN110490717B	公開（公告）日：	2021-11-05
發明（設計）人：	楊振宇;張鳴鴿	申請（專利權）人：	齊魯工業大學
主分類號：	G06Q30/06	分類號：	G06Q30/06;G06F16/9535;G06F16/9537;G06F16/36;G06N3/04
代理公司：	濟南圣達知識產權代理有限公司 37221	代理人：	張慶騫
地址：	250353 山東***	國省代碼：	山東;37
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于用戶會話圖卷神經網絡商品推薦方法系統
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本公開提供了一種基于用戶會話及圖卷積神經網絡的商品推薦方法及系統。其中，該商品推薦方法包括接收在同一時間單位內被點擊商品序列，作為一個會話并以有向圖的形式建模，構建出會話圖；其中，會話圖采用嵌入向量的形式表示；將嵌入向量形式的多個會話圖輸入至門控圖神經網絡，輸出所述會話圖中包含的所有商品的后驗概率；按照從大到小的順序，篩選出后驗概率排在前預設位數對應的商品，作為用戶偏好商品預測結果并進行逐個推薦。其在考慮商品關聯性的前提下，提高了商品推薦的準確性及速度。

技術領域

本公開屬于用戶偏好商品推薦領域，尤其涉及一種基于用戶會話及圖卷積神經網絡的商品推薦方法及系統。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

目前對于處理對話的推薦方法大部分使用循環神經網絡和馬爾科夫鏈。在技術層面，發明人發現，使用循環神經網絡則會受用戶在會話內部行為數量的限制，當用戶的點擊記錄過少或太多的時候都會對推薦模型的效果產生影響；而使用馬爾科夫模型時，則只對相鄰的兩個商品的單向轉移關系進行建模，而忽略了會話中其他的商品；而且神經網絡在模型訓練中表現出訓練參數多、時間長等問題，而這一定程度上限制了會話推薦在神經網絡的應用，降低了商品推薦的效率。

發明內容

為了解決上述問題，本公開提供一種基于用戶會話及圖卷積神經網絡的商品推薦方法及系統，其通過構建會話圖，將會話圖輸入至門控圖神經網絡，輸出所述會話圖中包含的所有商品的后驗概率，利用后驗概率的大小輸出商品推薦結果，在考慮商品關聯性的前提下，提高了商品推薦的準確性及速度。

本公開的第一個方面提供一種基于用戶會話及圖卷積神經網絡的商品推薦方法。

一種基于用戶會話及圖卷積神經網絡的商品推薦方法，包括：

接收在同一時間單位內被點擊商品序列，作為一個會話并以有向圖的形式建模，構建出會話圖；其中，會話圖采用嵌入向量的形式表示；

將嵌入向量形式的多個會話圖輸入至門控圖神經網絡，輸出所述會話圖中包含的所有商品的后驗概率；

按照從大到小的順序，篩選出后驗概率排在前預設位數對應的商品，作為用戶偏好商品預測結果并進行逐個推薦。

本公開的第二個方面提供一種基于用戶會話及圖卷積神經網絡的商品推薦系統。

一種基于用戶會話及圖卷積神經網絡的商品推薦系統，包括：

會話圖構建模塊，其用于接收在同一時間單位內被點擊商品序列，作為一個會話并以有向圖的形式建模，構建出會話圖；其中，會話圖采用嵌入向量的形式表示；

商品后驗概率計算模塊，其用于將嵌入向量形式的多個會話圖輸入至門控圖神經網絡，輸出所述會話圖中包含的所有商品的后驗概率；

推薦結果輸出模塊，其用于按照從大到小的順序，篩選出后驗概率排在前預設位數對應的商品，作為用戶偏好商品預測結果并進行逐個推薦。