[發明專利]基于圖神經網絡和注意力機制的推薦系統評分預測方法

有效

• 申請號: 202011526793.2
• 申請日: 2020-12-22
• 公開（公告）號: CN112541639B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 陳波;劉鑫宇;王慶先
• 申請（專利權）人: 宜賓電子科技大學研究院;電子科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06Q10/067;G06Q10/10;G06N3/044;G06N3/08
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 楊浩林

本發明公開了基于圖神經網絡和注意力機制的推薦系統評分預測方法，包括S1、基于度和時間信息，將“用戶?項目評分圖”轉換為“用戶?項目評分可信度圖”，并為圖中的每個頂點采樣鄰居頂點；S2、利用采樣結果結合時間信息，對“用戶?項目評分可信度圖”中各個頂點狀態進行更新；S3、基于注意力機制實現用戶對項目的進行評分預測，并更新評分預測模型；S4、利用評分預測模型實現用戶對項目的評分預測。本發明給出了圖神經網絡在通用推薦系統中的應用途徑，結合用戶和項目的靜態特征，利用圖神經網絡的圖表示學習能力學習用戶項目交互網絡中隱特征的重要程度，更關注地為推薦系統服務。

技術領域

本發明屬于推薦系統技術領域，具體涉及一種基于圖神經網絡和注意力機制的推薦系統評分預測方法。

背景技術

推薦系統旨在為用戶推薦潛在關聯項目，其中項目是指電影、音樂、網頁和商品等可供推薦的各類資源。在推薦系統中，用戶對項目的評分預測是進行推薦和排名的前提，該過程也被描述為矩陣填充，即對評分矩陣中暫缺的評分數據進行填充，傳統的圖表示學習方法，基于矩陣分級等技術生成或學習得到用戶和項目的向量表示，進而利用向量和點積運算實現評分預測。這類評分預測方法注重于挖掘靜態的用戶項目交互網絡結構特征，存在三點問題：其一，沒有充分利用用戶頂點和項目頂點本身的靜態特征，評分預測的精度提升很容易達到瓶頸；其二，很少考慮時間信息，對時間不敏感的特點使得這類模型無法捕獲網絡的演變特性，難以保證基于預測評分的推薦過程長期有效；其三，使用點積運算進行評分預測完全依賴于用戶和項目的表示學習過程，卻忽略了在評分預測任務中對用戶項目表示重要程度的衡量。

發明內容

針對現有技術中的上述不足，本發明提供的基于圖神經網絡和注意力機制的推薦系統評分預測方法充分利用了用戶和項目的靜態特征以及時間度信息，實現更準確的評分預測，解決了背景技術中的上述問題。

為了達到上述發明目的，本發明采用的技術方案為：基于圖神經網絡和注意力機制的推薦系統評分預測方法，包括以下步驟：

S1、基于度和時間信息，將“用戶-項目評分圖”轉換為“用戶-項目評分可信度圖”，并為“用戶-項目評分可信度圖”中的每個頂點采樣鄰居頂點；

S2、利用采樣結果結合時間信息，基于圖神經網絡分別從用戶視角和項目視角對“用戶-項目評分可信度圖”中各個頂點狀態進行更新；

S3、基于注意力機制實現推薦系統中用戶對項目的評分預測模型的構建，并完成模型訓練及相關參數的更新；

S4、利用訓練完成的評分預測模型，實現推薦系統中用戶對象項目的評分預測。

進一步地，所述步驟S1中，將“用戶-項目評分圖”轉換為“用戶-項目評分可信度圖”的方法具體為：

A1、獲取“用戶-項目評分圖”的數據集合；

其中，“用戶-項目評分圖”的數據集合包括N個用戶U＝{u₁,u₂,…,u_p,…,u_N}和M個項目I＝{i₁,i₂,…,i_q,…,i_M}一起構成的頂點集V＝U∪I、用戶對項目的評分集R＝{r_pq|u_p∈U,i_q∈I,0≤r_pq≤F}和歸一化的時間戳集T＝{t_pq|u_p∈U,i_q∈I,0t_pq1}；