[發明專利]一種基于圖神經網絡的眾測推薦方法

有效

• 申請號: 202110664346.1
• 申請日: 2021-06-16
• 公開（公告）號: CN113377656B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王崇駿;張寶明;郭銘;黃子嵐;李寧
• 申請（專利權）人: 南京大學
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06Q10/0631;G06N3/042
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 陳建和

本發明公開了一種基于圖神經網絡的眾測推薦方法，將用戶與項目形成的二分圖和用戶之間的社交網絡進行融合，合成異質圖，如果存在新加入的用戶或者項目，在異質圖上生成新邊以增加節點之間關聯度；將用戶特征、項目特征與第一步中生成的異質圖送入圖神經網絡，最后生成用戶的嵌入表示、項目的嵌入表示以及邊的嵌入表示；然后送入關系嵌入表示的雙線性解碼器中，對于每種關系都得到一個數值，進行softmax之后得到關系可能性分布，最后根據可能性大小得出一個推薦列表。本發明公不僅將眾測人員與項目之間的關系和眾測人員之間的社交網絡相結合，而且提高了推薦的準確性，有效的緩解推薦系統冷啟動問題。

技術領域

本發明涉及推薦系統領域，主要應用于眾測項目中，具體涉及圖神經網絡的推薦系統方法。

背景技術

隨著互聯網的不斷發展，人們在網絡上的各種活動也在不斷豐富，不僅包含了互聯網上的娛樂活動，而且也出現了類似眾包測試等利用互聯網進行任務分配多人協作完成的新型生產形式。

眾測任務中的部分過程有將一個分解完成的任務發包給互聯網上參與測試的人員，眾測過程中的推薦系統對于整個眾測的完成效率和質量至關重要。如何更加準確高效的完成眾測推薦任務，面臨著巨大的挑戰。

傳統的基于矩陣分解的推薦系統，只使用了用戶的行為特征，推薦準確率不高且存在著嚴重的冷啟動問題。對于眾測系統的推薦任務而言，此類推薦系統無法勝任復雜且試錯代價較高的眾測系統。因此一個較高準確率且能夠部分克服冷啟動問題的推薦系統才能符合擁有復雜任務屬性與用戶屬性的眾測任務?；趫D神經網絡的眾測推薦方法很好的將社會化推薦和用戶行為特征結合到一起，能夠更加準確的實現推薦并且可以通過添加邊較好的緩解過擬合問題，很符合眾測推薦系統的要求。

發明內容

發明目的：為了克服現有技術中存在的不足，本發明提供一種基于圖神經網絡的眾測推薦方法，針對眾測系統中不僅有用戶-眾測項目的關系，而且還存在眾測用戶社交網絡關系，將用戶-眾測項目二分圖和用戶社交網絡相融合，利用圖神經網絡鏈接預測算法實現眾測系統中的推薦方法，提高了推薦的準確率和緩解了推薦系統中的冷啟動問題。對于多種推薦的需求，只需要使用一個模型即可實現，提高了模型的抽象程度，同時簡化了眾測任務復雜關系的處理方式。

技術方案：為實現上述目的，本發明采用的技術方案為：

一種基于圖神經網絡的眾測推薦方法，眾測推薦系統可以看成一種矩陣補全問題。眾測人員與項目之間存在兩個圖結構。第一個圖是存在于眾測人員和眾測項目之間的二分圖，第二個圖是存在于眾測人員之間的社交網絡。對于傳統的基于矩陣補全的推薦系統，只使用到了眾測人員對于項目的行為特征，沒能有效的將眾測人員自身特征和項目特征融合進推薦系統中?；趫D神經網絡的眾測推薦方法將眾測用戶與項目之間的二分圖和眾測用戶之間的社交網絡進行融合，形成了一個同時包含眾測用戶信息和項目信息的異質圖。在這個異質圖上對每個節點(眾測人員和項目)進行圖卷積操作，生成每個節點的嵌入表示，將這些節點嵌入表示用于連接預測，可以有效的預測眾測人員和項目之間的關系，不僅可以實現根據項目推薦眾測人員，還可以根據眾測人員推薦項目。對于一個剛剛加入的人員或者項目，可以使用K近鄰算法等圖合成算法為新增節點建立新邊，可以解決冷啟動導致的一些問題。并且根據項目推薦人員和根據人員推薦項目可以共享表示和大量參數，有效的提高了模型的抽象程度和通用性，具體包括如下步驟：

步驟1，生成圖階段：將用戶與項目形成的二分圖和用戶之間的社交網絡進行融合，合成異質圖，如果存在新加入的用戶或者項目，通過K近鄰方法選取特征相似度最高的K個節點，在異質圖上生成新邊以增加節點之間關聯度?？梢灶A先定義異質圖每條邊的關系并為其建立特征矩陣，可以最大程度的利用邊的關系信息。相同的關系的邊共享特征矩陣參數有效緩解過擬合現象。