[發明專利]一種基于動態路由圖網絡的會話社交推薦方法

在審

• 申請號: 202011485750.4
• 申請日: 2020-12-16
• 公開（公告）號: CN112528165A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 顧盼
• 申請（專利權）人: 中國計量大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00;G06N3/04;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于動態路由圖網絡的會話社交推薦方法，其特征在于：

構建目標用戶u_i的社交網絡G，令：

G＝{U，E}

其中，U表示社交網絡中目標用戶u_i的朋友集合，E是目標用戶的社交連接；

使用長短期記憶網絡生成會話向量表征，目標用戶當前會話向量表征即是當前興趣向量表征；構建用戶會話向量表征，任一會話表示為s＝{v₁，v₂，…，v_n}；其中v_j是會話中第j個物品；構建用戶會話向量表征采用長短期記憶網絡(LSTM)：

z_s＝LSTM(Q(：，s))

其中，Q是物品的向量矩陣，Q(：，s)代表出現在會話s中所有的物品向量；因此，目標用戶的會話集合的向量表征為且當前興趣向量表征他的第l個朋友的表征為最近會話的向量表征為

根據目標用戶當前興趣表征和歷史會話序列，使用注意力機制生成目標用戶長期興趣向量表征；目標用戶的歷史會話集合為也就是除了當前會話以外的會話；使用注意力機制找出和當前會話最相似的歷史會話，并得到目標用戶的長期興趣向量表征

其中，為目標用戶u_i的當前興趣表征，為目標用戶的第k個會話向量表征，參數和參數W₁，控制每個會話向量的權重；

根據社交網絡G，采用動態路由圖網絡計算朋友對目標用戶的社交影響；本方法只考慮朋友最近的興趣對目標用戶當前興趣的影響，用戶當前興趣向量表征為他的第l個朋友的表征為最近會話的向量表征事實上，不同朋友對目標用戶的影響不同，且某朋友對目標用戶的影響不僅取決于該朋友和目標用戶，還取決于目標用戶的其他朋友；本方法借鑒動態路由思路來改進原始圖網絡中鄰居節點的聚合方式，如下：

其中，是目標用戶u_i的第l個朋友和目標用戶u_i的連接系數，初始化為為向量為向量是歸一化后的連接系數；k代表社交網絡G的搜索深度，N(i)是目標用戶u_i的朋友集合；是目標用戶u_i的第l個朋友在圖網絡中第k-1層的向量表征，代表目標用戶u_i在k層的向量表征；是圖參數，σ為sigmoid函數，CONCAT函數是向量拼接操作；動態路由圖網絡的最后一層的輸出就是朋友對目標用戶u_i的社交影響h_i；

結合目標用戶當前興趣、長期興趣和社交影響，獲得用戶最終向量表征；用戶的最終表示就由全連接層合并目標用戶當前興趣、長期興趣和社交影響得到，令：

其中，是線性轉化矩陣，和為目標用戶u_i行為表現出的當前興趣向量表征和長期興趣向量表征，h_i是用戶u_i的社交影響，為向量拼接操作；

根據用戶最終向量表征和物品向量表征，推薦物品；將物品v_j的向量x_j乘以用戶興趣向量，再應用softmax函數計算出物品v_j的分數：

其中，g代表用戶的興趣向量，x_j是物品v_j的向量表征；代表物品v_j成為下一個交互的可能性；同時根據的對數似然函數值，計算損失函數：

其中，y_j代表v_j的one-hot編碼，函數用梯度下降法來最優化。

2.根據權利要求1所述的一種基于動態路由圖網絡的會話社交推薦方法，其特征在于：所述長短期記憶網絡(LSTM)結構為：

i_j＝σ(W_ix_j+U_ih_j-1+b_i)

f_j＝σ(W_fx_j+U_fh_j-1+b_f)

o_j＝σ(W_ox_j+u_oh_j-1+b_o)

c_j＝i_ktanh(W_cx_j+u_ch_j-1+b_c)+f_jc_j-1

h_j＝o_jc_j

其中，x_j是會話序列中第j個物品的向量表征；長短期記憶網絡的最后一層的隱藏狀態h_j的輸出就是會話向量表征z_s；和分別是控制輸入門i_j、遺忘門f_j和輸出門o_j的參數，d代表物品向量的維度；σ為sigmoid函數；所有這些參數和輸入：隱層狀態h_j-1、當前輸入x_j共同參與計算，來輸出結果h_j。