[發明專利]基于圖卷積神經網絡交互的推薦方法及系統

有效

• 申請號: 202110761639.1
• 申請日: 2021-07-06
• 公開（公告）號: CN113255844B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 李傳珍;張洋;蔡娟娟;肖晗;王暉
• 申請（專利權）人: 中國傳媒大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;H04N21/25;H04N21/466;G06F16/9535
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 董永輝;曹素云

1.一種基于圖卷積神經網絡交互的推薦方法，其特征在于，包括以下步驟：

將數據庫劃分為訓練集、驗證集、測試集，所述訓練集、驗證集、測試集都包括分類型特征和連續型特征；

構建點擊率預估模型，所述點擊率預估模型包括依次連接的圖卷積神經網絡和輸出層，所述圖卷積神經網絡包含多個依次連接的圖卷積層，每個圖卷積層只處理當前節點的一階鄰域信息，將訓練集的各個特征作為節點，通過各節點之間相互連接的連接邊構成無向圖輸入到圖卷積神經網絡中，圖卷積神經網絡輸出各個特征對應的特征交互向量，將各個特征交互向量拼接起來輸入到輸出層，輸出層輸出點擊率預估值，通過優化器優化損失函數，直至迭代收斂，并通過驗證集驗證以調整超參數，反復優化，直至獲得經過測試集測試合格的最優點擊率預估模型；

利用所述最優點擊率預估模型對候選集輸出點擊率預估值，并根據點擊率預估結果對候選集排序，從而輸出推薦列表，

其中， 在每個圖卷積層之后都具有Dropout層，所述Dropout層將上一圖卷積層的輸出以部分隨機拋棄的方式輸入到下一圖卷積層，通過殘差網絡用以將上一圖卷積層的輸出與該圖卷積層的輸出組合相加輸入到下一圖卷積層中。

2.根據權利要求1所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，所述將數據庫劃分為訓練集、驗證集、測試集之前，先對數據進行預處理，所述預處理包括用嵌入方法將分類型特征按照不同特征域映射到低維空間，分別形成低維特征向量，將連續型特征進行標準化處理。

3.根據權利要求2所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，

圖卷積神經網絡的每一個圖卷積層的傳播方式如公式1所示：

（1）

（2）

其中，，是無向圖的鄰接矩陣；

??是連接邊的權重；

是一個單位矩陣，是無向圖的自連接矩陣；

是的度矩陣，即；

是第T個圖卷積層的激活單元矩陣，，，

E是各分類型特征轉化的低維特征向量構成的矩陣；

是每一層的參數矩陣；

是非線性激活函數。

4.根據權利要求1所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，所述將數據庫劃分為訓練集、驗證集、測試集之前，對于數據庫中任一特征缺失的值，采用均值插補、利用同類均值插補、極大似然估計中的任一種方式填充。

5.根據權利要求1所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，

采用自適應矩估計的優化方式優化損失函數。

6.根據權利要求1所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，

所述輸出層是sigmoid 函數。

7.根據權利要求1所述的基于圖卷積神經網絡交互的推薦方法，其特征在于，生成所述最優點擊率預估模型后，還將所述點擊率預估模型保存成調用的接口，推薦系統通過所述接口調用所述最優點擊率預估模型，實現基于IPTV 點播節目的推薦系統。