[發明專利]一種融合異質信息網絡的可解釋推薦方法

有效

• 申請號: 202011276253.3
• 申請日: 2020-11-16
• 公開（公告）號: CN112380434B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 王英;賈天浩;王鑫;左萬利;楊偉英;左祥麟
• 申請（專利權）人: 吉林大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/06
• 代理公司: 長春市恒譽專利代理事務所(普通合伙) 22212
• 代理人: 李榮武

本發明涉及一種融合異質信息網絡的可解釋推薦系統方法，特別涉及一種基于元路徑和深度神經網絡方法的的離線推薦系統方法。該方法應用元路徑在異質信息網絡上提取輔助信息生成的相似度矩陣作為補充信息。應用矩陣分解方法對相似度矩陣進行矩陣分解，得到對應元路徑的多組用戶和商品的特征表示。利用注意力神經網絡來區分組合基于不同類型元路徑獲得的表示，最后利用深度神經網絡來組合表示向量得到預測評分，同時選擇重要的元路徑生成解釋。

技術領域

本發明涉及一種融合異質信息網絡的可解釋推薦方法，特別涉及一種基于元路徑和深度神經網絡方法的的離線推薦方法。

背景技術

由于互聯網技術的飛速發展，人們可以在網絡上獲得大量的在線信息，比如新聞、電影、評論等等，滿足了用戶在信息時代對信息的需求。然而隨著信息爆炸地增長，使得用戶在面對大量信息時無法從中獲得對自己真正有用的那部分信息，對信息的使用效率反而降低了，人們面臨著嚴重的信息過載問題。而推薦系統是解決信息過載問題強有力的方法之一，它是根據用戶的信息需求、興趣等，將用戶感興趣的信息、產品等推薦給用戶的個性化信息推薦系統。推薦系統通過研究用戶的興趣偏好，進行個性化計算，由系統發現用戶的興趣點，從而引導用戶發現自己的信息需求，能為用戶提供個性化的服務，還能和用戶之間建立密切關系。推薦系統現在與人們的日常生活密不可分，也是面向用戶的在線服務的主要獲利工具。

推薦系統已廣泛應用于諸多在線服務領域，包括搜索引擎,電子商務，在線新聞和社交媒體網站等等。

推薦方法的一般范式主要包括三部分：數據樣本，表示學習和交互方法。數據樣本主要是指用戶和商品的交互信息及用戶商品的附加特征信息；表示學習是根據輸入數據獲得用戶和商品的潛在低維表示；交互方法要度量用戶和商品潛在表示的相似程度獲得一個匹配分數。然后通過匹配分數排序，將匹配分數大的商品推薦給用戶。推薦系統的樣本數據主要有兩大類型：顯式數據和隱式數據。隱式數據例如用戶的點擊、觀看時長等，隱式數據用戶沒有明確表達對商品喜好，但隱形數據存在廣泛，受到推薦系統研究人員越來越多的重視。顯示數據例如用戶對商品的打分或點贊等，顯示數據包含確定的用戶對商品的喜好信息，但顯式數據相對較少，且獲取成本高。顯式數據一般用戶評分預測任務。

產生準確、多樣、合理的推薦結果的關鍵是獲得具有豐富表示能力的用戶和商品特征向量，而傳統推薦系統存在交互信息稀疏性問題。解決數據稀疏性問題的一個常見思路是在推薦算法中引入一些輔助信息。輔助信息可以豐富對用戶和物品的描述、增強推薦算法的挖掘能力，從而有效地彌補交互信息的稀疏或缺失。異質信息網絡包含了豐富的屬性信息和語義關聯，為推薦系統提供了潛在的輔助信息來源。通過異質信息網絡中不同種類的關系連接，可以挖掘用戶與商品之間的潛在高階關系。基于路徑可以連接用戶信息和推薦結果，從而提高用戶對推薦結果的滿意度和接受度，增強用戶對推薦系統的信任，同時產生一定的可解釋性。

因此，在融合異質信息的推薦系統中，就需要一種可以有效地融合異質信息網絡的高階信息，同時具有有效地組合特征表示的能力，能夠生成準確、有效的推薦結果的推薦方法。

發明內容

本發明的主要目的是為了解決現有的基于異質信息的深度學習推薦方法中所存在的一些問題；

本發明的另一個目的是為了設計一種準確性更高，解釋能力更強，推薦效果更有效的離線推薦方法；

本發明的再一個目的是為了解決將異質信息網絡應用到推薦系統存在兩個問題：第一是怎樣從異質信息網絡中提取出能為推薦系統所用的有效信息，第二是如何有效地融合異質信息網絡的高階信息以更好地推薦，針對第一個問題，本發明擬設計多條不同類型的元路徑應用于異質信息網絡架構上獲得對應的相似度矩陣，作為輔助信息可以彌補原始用戶商品交互矩陣稀疏的問題，然后通過表示學習方法分別得到用戶和商品的潛在特征表示，針對第二個問題，本發明設計一個注意力網絡用于區分來自不同元路徑的表示對最終用戶和商品表示的貢獻度，然后基于注意力系數聚合多組元路徑下的表示得到最終用戶和商品表示，最后將用戶和商品表示通過一個多層感知機獲得預測評分。