[發明專利]一種基于圖神經網絡的序列推薦系統及推薦方法

有效

• 申請號: 202011549710.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112559878B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 梁吉業;張凱涵;王智強
• 申請（專利權）人: 山西大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538;G06N3/04;G06N3/08
• 代理公司: 山西五維專利事務所(有限公司) 14105
• 代理人: 茹牡花

1.一種基于圖神經網絡的序列推薦系統，其特征在于，包括構圖模塊(1)、第一獲取模塊(2)、第二獲取模塊(3)和推薦模塊(4)，所述構圖模塊(1)與第一獲取模塊(2)相連，所述第一獲取模塊(2)與第二獲取模塊(3)相連，所述第二獲取模塊(3)與推薦模塊(4)相連；

構圖模塊(1)：用于根據用戶的歷史行為數據，構建產品交互轉移圖，并獲取所述產品交互轉移圖的鄰接矩陣；

第一獲取模塊(2)：用于將所述產品交互轉移圖的鄰接矩陣與隨機初始化的產品特征表示矩陣，輸入至構建的層次圖神經網絡模型中，獲取更新后的產品特征表示矩陣及產品類別的特征表示矩陣；

第二獲取模塊(3)：將第一獲取模塊(2)的輸出信息及用戶歷史行為數據作為輸入信息，采用注意力機制，將用戶有過行為的產品的特征信息及類別信息進行融合，獲取用戶的特征表示向量；

推薦模塊(4)：將第一獲取模塊(2)得到的產品特征信息與第二獲取模塊(3)得到的用戶特征信息作為輸入，計算用戶與系統中產品的匹配程度，根據匹配程度的排序，為目標用戶生成包含N個產品的推薦列表。

2.根據權利要求1所述的一種基于圖神經網絡的序列推薦系統，其特征在于，所述第二獲取模塊(3)包括：第一獲取子模塊(31)、第二獲取子模塊(32)和第三獲取子模塊(33)，所述第一獲取子模塊(31)和第二獲取子模塊(32)均與第三獲取子模塊(33)相連；

第一獲取子模塊(31)：用于根據所述的用戶歷史行為數據、產品特征表示矩陣及產品類別特征表示矩陣，融合用戶有過行為的所有產品的特征信息及類別信息，獲取用戶的長期興趣特征表示向量；

第二獲取子模塊(32)：用于根據所述的用戶歷史行為數據、產品特征表示矩陣及產品類別特征表示矩陣，融合用戶最近一次有過行為的產品的特征信息及類別信息，獲取用戶的短期興趣特征表示向量；

第三獲取子模塊(33)：將第一獲取子模塊(31)與第二獲取子模塊(32)的輸出信息作為輸入，用于融合用戶的長期興趣特征表示向量與短期興趣特征表示向量，獲取目標用戶的特征表示向量。

3.根據權利要求1所述的一種基于圖神經網絡的序列推薦系統，其特征在于，所述推薦模塊(4)包括匹配模塊(41)和生成推薦列表模塊(42)，所述匹配模塊(41)與第一獲取模塊(2)和第二獲取模塊(3)相連，所述生成推薦列表模塊(42)與匹配模塊(41)相連；

匹配模塊(41)：將第一獲取模塊(2)得到的產品特征信息與第二獲取模塊(3)得到的用戶特征信息作為輸入，采用內積計算方式，計算目標用戶與系統中產品的匹配程度；

生成推薦列表模塊(42)：對得到的用戶與產品的匹配程度進行排序，為目標用戶生成包含N個最高匹配程度產品的列表。

4.應用權利要求1-3中任意一項所述的一種基于圖神經網絡的序列推薦系統的序列推薦方法，其特征在于：包括以下步驟：

步驟S1：根據用戶的歷史行為數據，構建產品交互轉移圖，所述產品交互轉移圖為有向無環圖，用鄰接矩陣A表示；

步驟S2：根據所述產品交互轉移圖與原始產品特征表示矩陣，構建包含L層的層次圖神經網絡模型，獲取更新后的產品特征表示矩陣及其所屬類別的特征表示矩陣；

步驟S3：根據所述的用戶歷史行為數據、產品特征表示矩陣及產品所屬類別的特征表示矩陣，獲取用戶特征表示矩陣；

步驟S4：根據所述用戶特征表示矩陣及所述產品特征表示矩陣，計算用戶與系統中產品的匹配程度；

步驟S5：將匹配程度從高到低進行排序，為用戶推薦出匹配程度最高的前N個產品。

5.根據權利要求4所述的序列推薦方法，其特征在于，所述產品交互轉移圖的鄰接矩陣用歸一化計算：

其中w_ij表示交互轉移圖中節點i與節點j之間的連邊權重。