[發明專利]一種基于圖神經網絡的新聞推薦方法及其系統

在審

• 申請號: 202010157620.1
• 申請日: 2020-03-09
• 公開（公告）號: CN111368203A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 李趙寧;錢偉中;楊茂林
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 尹新路

1.一種基于圖神經網絡的新聞推薦方法，需要采集用戶點擊序列，其特征在于，首先通過采集到的用戶點擊序列生成全局目標新聞特征向量、局部目標新聞特征向量、用戶特征向量，然后將全局目標新聞特征向量、局部目標新聞特征向量線性疊加為目標新聞特征向量，最后對目標新聞特征向量、用戶特征向量做內積得到用戶對新聞的預測評分。

2.如權利要求1所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，所述全局目標新聞特征向量的生成步驟具體為：首先構造出用戶-新聞交互行為結構圖；然后對構造出的用戶-新聞交互行為結構圖通過深度游走算法生成節點序列，再對節點序列使用詞向量提取算法，生成頂點的向量編碼，得到全局目標新聞特征向量。

3.如權利要求2所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，所述構造出用戶-新聞交互行為結構圖的具體步驟為：對用戶點擊序列進行切分，生成用戶行為順序對，從而構造出用戶-新聞交互行為結構圖。

4.如權利要求1所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，對用戶點擊序列進行篩選，生成僅包含最近24小時的用戶點擊事件的用戶點擊序列，并通過僅包含最近24小時的用戶點擊事件的用戶點擊序列生成用戶-新聞行為交互矩陣。

5.如權利要求4所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，所述局部目標新聞特征向量通過對生成的用戶-新聞行為交互矩陣進行概率分解算法計算得出。

6.如權利要求4所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，所述用戶特征向量通過對生成的用戶-新聞行為交互矩陣進行概率分解算法計算得出。

7.如權利要求1所述的一種基于圖神經網絡的新聞推薦方法，其特征在于，對于每個用戶，都將對新聞進行評分預測，并將所有新聞的預測評分進行排序，選取順序排在前K個的進行推薦。

8.一種基于圖神經網絡的新聞推薦系統，用于新聞推薦，其特征在于，包括用戶行為圖生成層、行為矩陣生成層、節點向量化模型層、概率矩陣分解層、融合層；

所述用戶行為圖生成層依次與節點向量化模型層、融合層連接，用于對用戶點擊序列進行篩選和切分，生成用戶行為順序對，構造用戶-新聞交互行為結構圖；

所述節點向量化模型層用于接收用戶行為圖生成層的用戶-新聞交互行為結構圖，并得到全局目標新聞特征向量；

所述行為矩陣生成層依次與概率矩陣分解層、融合層連接，用于篩選用戶點擊序列，生成最近24小時的用戶點擊序列，得到用戶-新聞行為交互矩陣；

所述概率矩陣分解層用于接收行為矩陣生成層的行為矩陣，并通過概率矩陣分解算法得到用戶特征向量和局部目標新聞特征向量；

所述融合層用于將全局目標新聞特征向量、局部目標新聞特征向量線性疊加得到目標新聞特征向量，并將目標新聞特征向量與用戶特征向量內積得到預測評分。