[發明專利]基于會話的推薦系統、方法、設備及存儲介質

有效

• 申請號: 202010567939.1
• 申請日: 2020-06-19
• 公開（公告）號: CN112000873B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 王陽;何新;郭靖翊;張釗浩;李宋順;宋雅杰
• 申請（專利權）人: 南京理工大學;江蘇慧宇誠智能裝備研究院有限公司;小圖智能科技（南京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08;G06N3/063
• 代理公司: 北京勁創知識產權代理事務所(普通合伙) 11589
• 代理人: 張鐵蘭

1.一種基于會話的推薦系統，其特征在于，所述推薦系統包括：會話層網絡、用戶長期偏好記憶單元與用戶層網絡；

所述會話層網絡，基于門控圖神經網絡GGNN網絡模型實現，用于將目標會話分解為多個子圖矩陣，并使用GGNN網絡模型進行訓練，得到所述目標會話的嵌入向量，將所述嵌入向量映射到所述用戶長期偏好記憶單元中，作為所述目標會話的用戶偏好向量；

所述用戶長期偏好記憶單元，用于基于所述用戶偏好向量，記錄用戶在所述目標會話中的長期偏好，并在所述目標會話結束后，將所述用戶長期偏好記憶單元記錄的信息轉換為隱藏向量，反饋至所述用戶層網絡中，其中，所述用戶長期偏好記憶單元，用于在由所述目標會話分解得到的多個子圖矩陣中，學習用戶在對應時刻的短期偏好，并在所述目標會話結束后，得到用戶在所述目標會話中的長期偏好；

所述用戶層網絡，基于門循環單元GRU的循環網絡模型實現，用于根據所述隱藏向量更新所述用戶層網絡的狀態向量，通過所述狀態向量跟蹤用戶在不同會話中的偏好變化，并使用所述狀態向量來更新所述隱藏向量，將更新后的隱藏向量反饋至所述會話層網絡中，以傳入下一會話中， 其中，將所述用戶長期偏好記憶單元記錄的信息轉換為隱藏向量，采用以下公式實現：

其中，C_u表示用戶u的會話數量，N為第i個會話的子圖矩陣的個數，為會話s對應的第j個子圖矩陣所對應的用戶偏好向量，t_i為隱藏向量。

2.如權利要求1所述的推薦系統，其特征在于，所述推薦系統還包括：

記憶單元建立模塊，用于為每一個會話分別建立相應的所述用戶長期偏好記憶單元，以分別記錄用戶在每一個會話中的長期偏好。

3.如權利要求1所述的推薦系統，其特征在于，所述目標會話為單個用戶的一個會話；

所述用戶長期偏好記憶單元，具體用于保存所述目標會話的N個用戶偏好向量，其中，所述N的數量是基于所述子圖矩陣的個數確定的。

4.如權利要求1所述的推薦系統，其特征在于，所述推薦系統還用于：

在將所述用戶長期偏好記憶單元記錄的信息轉換為隱藏向量，反饋至所述用戶層網絡中之后，獲取用戶的下一個會話的用戶偏好矩陣，成為所述下一個會話對應的用戶長期偏好記憶單元。

5.如權利要求4所述的推薦系統，其特征在于，所述得到所述目標會話的嵌入向量采取以下公式實現：

其中，為第j個子圖矩陣所對應的嵌入向量，W_s，W_t均為在GGNN網絡模型訓練中得到權重參數，b_s為在GGNN網絡模型訓練中得到調整因子參數，t_i-1為第i-1個會話的隱藏向量。

6.一種基于會話的推薦方法，其特征在于，采用如權利要求1～5任一項所述的推薦系統；所述推薦方法包括：

利用所述會話層網絡，獲取目標會話的嵌入向量，并將所述嵌入向量映射到所述用戶長期偏好記憶單元中，作為所述目標會話的用戶偏好向量；

利用所述用戶長期偏好記憶單元，記錄用戶在所述目標會話中的長期偏好，并將所述用戶長期偏好記憶單元記錄的信息轉換為隱藏向量，反饋至所述用戶層網絡中，其中，所述用戶長期偏好記憶單元，用于在由所述目標會話分解得到的多個子圖矩陣中，學習用戶在對應時刻的短期偏好，并在所述目標會話結束后，得到用戶在所述目標會話中的長期偏好；

利用所述用戶層網絡，根據所述隱藏向量更新所述用戶層網絡的狀態向量，通過所述狀態向量跟蹤用戶在不同會話中的偏好變化，并使用所述狀態向量來更新所述隱藏向量，將更新后的隱藏向量反饋至所述會話層網絡中，其中，將所述用戶長期偏好記憶單元記錄的信息轉換為隱藏向量，采用以下公式實現：

其中，C_u表示用戶u的會話數量，N為第i個會話的子圖矩陣的個數，為會話s對應的第j個子圖矩陣所對應的用戶偏好向量，t_i為隱藏向量。