[發明專利]基于圖神經網絡的推薦方法、裝置和計算機設備

在審

• 申請號: 202010466251.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111667067A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 滿天龍
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明涉及人工智能，提供了一種基于圖神經網絡的推薦方法、裝置和計算機設備。該方法包括：獲取待預測的會話序列；將待預測的會話序列轉化為有向圖；將有向圖輸入至預置的目標圖神經網絡；將各個節點對應的偏好向量輸入至預置的目標注意力網；根據目標用戶的歷史會話序列確定第一節點對應的歷史偏好向量；獲取第一節點對應的通用偏好向量；將整體偏好向量、通用偏好向量、當前偏好向量和歷史偏好向量進行線性變換，以得到綜合偏好向量；根據綜合偏好向量確定N個物品對應的概率值；以及選取最大概率值對應的物品作為推薦物品。此外，本發明還涉及區塊鏈技術，各偏好向量可存儲于區塊鏈節點中。本發明能夠提升推薦的準確性。

技術領域

本發明涉及人工智能推薦技術領域，還涉及智慧城市技術領域，尤其涉及一種基于圖神經網絡的推薦方法、裝置和計算機設備。

背景技術

為了提升用戶體驗，現有技術提出推薦系統，目的在于能夠快速而準確的將用戶所需要的信息推送給用戶，提升用戶獲取信息的速度。在現有技術的推薦方法中，一方面，通常是基于相似度計算，包括物品的相似度計算、用戶的相似度計算、內容的相似度計算等，基于相似度來推薦物品，其中，在描述各種相似度時，需要人工對物品、用戶以及內容等打上大量的標簽，標簽越多，相似度的描述越準確，從而推薦物品才可準確，但是，標簽化的工作十分巨大；再者，現有的推薦系統往往需要人工根據產品的業務需求，構建復雜的規則專家系統，來實現推薦，難以保證推薦效果。

因此，現有技術中推薦系統推薦準確性低的問題，成為本領域亟需解決的技術問題。

發明內容

本發明的目的是提供一種基于圖神經網絡的推薦方法、裝置和計算機設備，用于解決現有技術中的技術問題，本發明還可應用于智慧城市領域中，在智慧政務/智慧城管/智慧社區/智慧安防/智慧物流/智慧醫療/智慧教育/智慧環保/智慧交通場景中實現相關內容的推薦。

一方面，為實現上述目的，本發明提供了一種基于圖神經網絡的推薦方法。

該基于圖神經網絡的推薦方法包括：獲取待預測的會話序列，其中，會話序列表征目標用戶依次點擊的N個物品及點擊順序；將待預測的會話序列轉化為有向圖，其中，有向圖中的節點表征被點擊的物品，有向圖中的有向邊表征兩個物品被點擊的順序；將有向圖輸入至預置的目標圖神經網絡，以得到有向圖中各個節點對應的偏好向量，其中，每個節點對應偏好向量包括N個分量值，每個分量值用于表征兩個節點的關系值；將各個節點對應的偏好向量輸入至預置的目標注意力網絡，以得到待預測的會話序列對應的整體偏好向量；根據目標用戶的歷史會話序列確定第一節點對應的歷史偏好向量，其中，第一節點為有向圖中的最后一個節點；獲取第一節點對應的通用偏好向量；將整體偏好向量、通用偏好向量、當前偏好向量和歷史偏好向量進行線性變換，以得到綜合偏好向量，其中，當前偏好向量為有向圖中第一節點對應的偏好向量；根據綜合偏好向量確定N個物品對應的概率值；以及選取最大概率值對應的物品作為推薦物品。

進一步地，根據目標用戶的歷史會話序列確定第一節點對應的歷史偏好向量的步驟包括：將目標用戶歷史的會話序列轉化為有向圖，并輸入至目標圖神經網絡，以得目標用戶對應的偏好向量表，其中，偏好向量表包括N行，每行包括一個節點與N個節點的關系值；將當前偏好向量的N個分量值與偏好向量表中第一節點與N個節點的關系值，分別對應相加后除以2，得到N個第一均值；確定N個第一均值為第一節點對應的歷史偏好向量。

進一步地，獲取第一節點對應的通用偏好向量的步驟包括：獲取多個用戶對應的偏好向量表；將各個用戶對應的偏好向量表中，第一節點與N個節點的關系值，分別對應相加后除以用戶數量，得到N個第二均值；確定N個第二均值為第一節點對應的通用偏好向量。