[發(fā)明專(zhuān)利]一種系統(tǒng)推薦方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110027315.5
• 申請(qǐng)日: 2021-01-09
• 公開(kāi)（公告）號(hào): CN112686736B
• 公開(kāi)（公告）日: 2022-07-05
• 發(fā)明（設(shè)計(jì)）人: 陳卓;李涵;杜軍威;魏銳;姜偉豪;葛艷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 青島科技大學(xué)
• 主分類(lèi)號(hào): G06Q30/06
• 分類(lèi)號(hào): G06Q30/06;G06Q50/00;G06N3/04;G06N3/08
• 代理公司: 杭州天昊專(zhuān)利代理事務(wù)所(特殊普通合伙) 33283
• 代理人: 趙志鵬

本發(fā)明公開(kāi)了一種系統(tǒng)推薦方法，具體處理步驟如下：101）數(shù)據(jù)關(guān)系關(guān)聯(lián)步驟、102）用戶(hù)關(guān)系數(shù)據(jù)融合步驟、103）商品數(shù)據(jù)融合步驟、104）推薦評(píng)分預(yù)測(cè)步驟；本發(fā)明提供了通過(guò)異構(gòu)網(wǎng)絡(luò)對(duì)節(jié)點(diǎn)進(jìn)行表示學(xué)習(xí)，增強(qiáng)節(jié)點(diǎn)特征表示，提高稀疏數(shù)據(jù)的處理能力的一種系統(tǒng)推薦方法。

技術(shù)領(lǐng)域

本發(fā)明涉及推薦技術(shù)領(lǐng)域，更具體的說(shuō)，它涉及一種系統(tǒng)推薦方法。

背景技術(shù)

隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，信息爆炸的時(shí)代已經(jīng)來(lái)臨，各種各樣的信息出現(xiàn)在人們眼中，作為幫助人們選擇有用的信息的技術(shù)，推薦系統(tǒng)已經(jīng)出現(xiàn)在醫(yī)療，商業(yè)，教育等多個(gè)領(lǐng)域，并展現(xiàn)出強(qiáng)大的能力。

隨著時(shí)代的發(fā)展，網(wǎng)絡(luò)數(shù)據(jù)越來(lái)越復(fù)雜，當(dāng)下網(wǎng)絡(luò)中的數(shù)據(jù)并不是由單一類(lèi)型的元素構(gòu)成，大量不同類(lèi)型的數(shù)據(jù)構(gòu)成了各種各樣的網(wǎng)絡(luò)圖，然而傳統(tǒng)的推薦算法只能夠處理有單一數(shù)據(jù)構(gòu)成的規(guī)則拓?fù)鋱D，因此異構(gòu)信息網(wǎng)絡(luò)(HIN)應(yīng)運(yùn)而生。異構(gòu)信息網(wǎng)絡(luò)已經(jīng)作為一種強(qiáng)大的建模方法應(yīng)用到推薦領(lǐng)域。異構(gòu)信息網(wǎng)絡(luò)是一種特殊類(lèi)型的網(wǎng)絡(luò)，網(wǎng)絡(luò)中包含大量不同類(lèi)型的節(jié)點(diǎn)，節(jié)點(diǎn)之間由不同類(lèi)型的邊連接在一起，這些邊表示了網(wǎng)絡(luò)節(jié)點(diǎn)之間不同的關(guān)系。把異構(gòu)信息網(wǎng)絡(luò)融入到推薦系統(tǒng)中，很大程度上加快了該領(lǐng)域的發(fā)展。

近年來(lái)圖神經(jīng)網(wǎng)絡(luò)也被廣泛應(yīng)用到推薦系統(tǒng)中，其作用是融合節(jié)點(diǎn)的鄰居信息，以展示出節(jié)點(diǎn)更多的特征信息，但是圖神經(jīng)網(wǎng)絡(luò)有自身的不足之處，GraphRec模型只是單純的融合了節(jié)點(diǎn)的一階鄰居，無(wú)法提取節(jié)點(diǎn)更加深層次的關(guān)系。如果數(shù)據(jù)集比較稀疏，節(jié)點(diǎn)的鄰居節(jié)點(diǎn)的數(shù)量相對(duì)較少，無(wú)法充分融合節(jié)點(diǎn)的特征信息，進(jìn)而導(dǎo)致預(yù)測(cè)不準(zhǔn)確性會(huì)增加。

發(fā)明內(nèi)容

本發(fā)明解決了上述技術(shù)問(wèn)題，提供了通過(guò)異構(gòu)網(wǎng)絡(luò)對(duì)節(jié)點(diǎn)進(jìn)行表示學(xué)習(xí)，增強(qiáng)節(jié)點(diǎn)特征表示，提高稀疏數(shù)據(jù)的處理能力的一種系統(tǒng)推薦方法。

本發(fā)明的技術(shù)方案如下：

一種系統(tǒng)推薦方法，具體處理步驟如下：

101)數(shù)據(jù)關(guān)系關(guān)聯(lián)步驟：由U＝{u₁,u₂,...,u_n}表示用戶(hù)數(shù)據(jù)集合、V＝{v₁,v₂,...,v_m}表示商品數(shù)據(jù)集，表示數(shù)據(jù)之間的元路徑，A代表用戶(hù)或商品，R代表社會(huì)關(guān)系或買(mǎi)與賣(mài)關(guān)系；元路徑的生成如下公式：

其中，n_t為當(dāng)前結(jié)點(diǎn)，n_t+1為下一個(gè)節(jié)點(diǎn)，表示v的鄰居中有屬于A_t+1的，ρ表示元路徑規(guī)則，設(shè)定元路徑的長(zhǎng)度為L(zhǎng)；φ(x)表示路徑的下一個(gè)節(jié)點(diǎn)的類(lèi)型，屬于網(wǎng)絡(luò)中節(jié)點(diǎn)類(lèi)型；v和x分別表示當(dāng)前結(jié)點(diǎn)和下一個(gè)節(jié)點(diǎn)，屬于網(wǎng)絡(luò)中的所有節(jié)點(diǎn)；

用戶(hù)、商品交互關(guān)系的元路徑生成的用戶(hù)、商品的向量表示為和用戶(hù)社交關(guān)系的元路徑生成的用戶(hù)向量表示為評(píng)分向量表示e_r；

102)用戶(hù)關(guān)系數(shù)據(jù)融合步驟：用戶(hù)數(shù)據(jù)集合中包括用戶(hù)項(xiàng)目交互網(wǎng)絡(luò)的u_v和用戶(hù)社交網(wǎng)絡(luò)的u_u；用戶(hù)項(xiàng)目交互網(wǎng)絡(luò)的u_v結(jié)合attention網(wǎng)絡(luò)生成對(duì)應(yīng)的權(quán)重，得到用戶(hù)交互網(wǎng)絡(luò)中該用戶(hù)的隱含向量表示，具體如下公式：

其中，表示用戶(hù)i在交互網(wǎng)絡(luò)中的隱含向量，σ為激活函數(shù)，w和b為神經(jīng)網(wǎng)絡(luò)參數(shù)，C表示用戶(hù)對(duì)商品打出的所有評(píng)分，N_i表示節(jié)點(diǎn)i的鄰居，softmax表示softmax函數(shù)，x_jr表示商品j和對(duì)應(yīng)評(píng)分r的向量融合，g_τ為一個(gè)多層全連接神經(jīng)網(wǎng)絡(luò)，表示向量的拼接，w₁、w₂、b₁、b₂表示attention網(wǎng)絡(luò)兩層全連接層的參數(shù)；

用戶(hù)社交網(wǎng)絡(luò)的u_u結(jié)合attention網(wǎng)絡(luò)生成對(duì)應(yīng)的權(quán)重，得到用戶(hù)在社交網(wǎng)絡(luò)中該用戶(hù)的隱含向量表示，具體如下公式：