[發明專利]基于迭代圖注意力網絡的用戶興趣預測方法及電子裝置

有效

• 申請號: 202011159408.5
• 申請日: 2020-10-27
• 公開（公告）號: CN112380427B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 林政;付鵬;劉歡;王偉平;孟丹
• 申請（專利權）人: 中國科學院信息工程研究所
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q50/00;G06N20/00
• 代理公司: 北京君尚知識產權代理有限公司 11200
• 代理人: 余功勛

本發明公開了一種基于迭代圖注意力網絡的用戶興趣預測方法及電子裝置，通過未知興趣標簽分布與興趣標簽聯合依賴概率，將用戶特征學習的圖注意力網絡GAT_θ與興趣潛在關系建模的圖注意力網絡相結合，并引入標簽傳播機制捕捉興趣標簽的局部依賴關系，對用戶網絡中的各用戶興趣進行預測。本發明，彌補了目前主流的用戶興趣預測方法對興趣潛在關系建模的空缺，充分利用用戶社交關系數據，預測準確率更高，并且高效快捷。

技術領域

本發明屬于社交媒體-用戶畫像-自然語言處理領域，尤其涉及一種基于迭代圖注意力網絡的用戶興趣預測方法及電子裝置。

背景技術

社交網絡用戶興趣的自動預測在基于用戶建模的應用如推薦系統中起著重要的作用。例如，在了解用戶的興趣后，推薦系統可以為用戶提供潛在好友推薦、個性化廣告等精準服務。近年來，用戶興趣預測得到了廣泛的研究。現有的用戶興趣預測技術主要可以分為四大方案：

一類是基于協同過濾的方法(A.Ahmed，B.Kanagal，S.Pandey，V.Josifovski，L.G.Pueyo，and J.Yuan，“Latent factor models with additive and hierarchically-smoothed user preferences，”2013，pp.385-394.)，使用用戶與商品之間的交互信息來發現用戶相同興趣愛好的用戶、或有相似屬性的商品，進而來推斷用戶的興趣。這種方法主要分為基于用戶的協同過濾和基于商品的協同過濾。基于用戶的方法通過構建用戶-商品矩陣，分別統計每個用戶正反饋過的商品來獲得用戶向量，再通過計算兩個用戶間的皮爾森系數或余弦相似度來返回相似用戶，將用戶沒有交互的商品記為潛在興趣。基于商品的協同過濾方法則去計算商品之間的相似度，將與用戶交互過的商品接近的商品記為潛在興趣；

第二類是基于主題建模的方法(J.He，H.Liu，Y.Zheng，S.Tang，W.He，and X.Du，“Bi-Labeled LDA：Inferring Interest Tags for Non-famous Users in SocialNetwork，”Data Science and Engineering，vol.5，no.1，pp.27-47，/，2020.)，通過對用戶生成的文本數據進行主題建模來挖掘用戶感興趣的話題類別。這種方法一般基于LDA主題模型，使用Dirichlet分布生成K個主題的詞語分布以及用戶文本關于主題的分布，當用戶的主題分布確定后，以主題作為特征維度來得到用戶的特征表示，最后使用VSM對用戶建模來預測用戶的興趣。

第三種是基于圖模型的方法，該方法通過將數據不斷在用戶網絡中迭代來達到使關系緊密的用戶興趣趨于一致的結果。其中比較典型的是MLP方法(L.Wei，W.Zhou，J.Wen，M.Lin，J.Han，and S.Hu，“MLP-IA：Multi-label User Profile Based on ImplicitAssociation Labels，”2019，pp.548-561.)，首先通過統計興趣標簽的共現關系定義了興趣關聯矩陣P，再通過用戶好友關系來計算用戶相似度得到概率轉移矩陣T。模型初始化了興趣標簽矩陣F，在每輪的標簽迭代中，用戶標簽將被鄰居節點的標簽和隱式關聯的標簽更新，興趣標簽矩陣F得到修正以便進行下一次傳播。