[發明專利]一種基于解耦和記憶的圖協同過濾的推薦方法

在審

• 申請號: 202110761998.7
• 申請日: 2021-07-06
• 公開（公告）號: CN113378062A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 朱文浩;孫為軍;房小兆;黃永慧;謝勝利
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 安徽思沃達知識產權代理有限公司 34220
• 代理人: 戴曉丹

1.一種基于解耦和記憶的圖協同過濾的推薦方法，其特征在于，包括如下步驟：

S1：利用ID和歷史交互來表示用戶和物品，得到用戶和物品的表示向量，嵌入到整合層中，融合成用戶和物品嵌入表示向量；

S2：將嵌入的每個用戶和物品向量通過基于解耦圖神經網絡的協同過濾框架，得到用戶關于潛在意圖的解耦表示，以及更新聚合特征后的用戶物品的意圖分塊解耦特征；

S3：在整合層中，引入門控循環單元，從用戶和物品節點的高階鄰居中聚合完整的特征信息；

S4：引入獨立模塊，以激勵不同意圖之間的獨立性；

S5：構建損失函數以優化模型，預測用戶意圖與物品的對應情況。

2.根據權利要求1所述的基于解耦和記憶的圖協同過濾的推薦方法，其特征在于，所述S1具體步驟如下：

S11：利用用戶和物品的ID和歷史交互作為原始輸入，進行one-hot編碼后成為用戶和物品的表示向量；

S12：將高維的稀疏表示向量進行線性嵌入，得到低維的稠密表示向量；

S13：利用整合層，將用戶和物品嵌入整合成用戶和物品交互的表示向量。

3.根據權利要求1所述的基于解耦和記憶的圖協同過濾的推薦方法，其特征在于，所述S2具體步驟如下：

S21：對于用戶和物品交互圖，利用解耦圖神經網絡將每個用戶和物品分割成K個塊，分割后的K個塊對應用戶u輸出一個由K個獨立分量組成的解耦表示的意圖，其中用戶u的第k個意圖解耦表示為：

其中，k＝1，…，K表示第k個意圖，e_ku是用戶u第k個潛在意圖的解耦表示，e_ki是物品i第k個潛在意圖的解耦表示，l表示聚合層數，g表示聚合函數，N_u表示用戶u的一階鄰居集合。

S22：解耦用戶物品圖的每個意圖，將用戶u的第k個意圖輸出后得到的解耦特征進行相加結合，得到該用戶u在第k個意圖下聚合所有鄰居特征的潛在意圖解耦表示e_ku，同理可得e_ki，表示為：

其中，L表示圖的總層數。

S23：更新聚合特征后的用戶物品的意圖分塊解耦特征，用戶物品的意圖分塊解耦特征的更新表示為：

其中，t＝1，…，T表示迭代輪數，T表示最終迭代輪數，表示用戶u在第t次迭代中第k個意圖下聚合一階鄰居的嵌入表示，表示物品I的歷史輸入，初始化

S24：用戶u和物品i在第k個意圖的交互程度，即交互相似度與第k個意圖的物品歷史輸入交互的條件下，能聚合成用戶u在第t次迭代中第k個意圖下聚合一階鄰居的嵌入表示表示為：

其中，分別表示用戶u和物品i的度值，在迭代K次后即是

4.根據權利要求1所述的基于解耦和記憶的圖協同過濾的推薦算法，其特征在于，故所述S3具體步驟如下：

S31：用戶u的第k個意圖解耦表示通過聚合函數g聚合而成。公式由S21可知，表示為詳細表示為：

其中，LeakyReLu(·)是激活函數，f_GRU(·)為門控循環單元。

5.根據權利要求1所述的基于解耦和記憶的圖協同過濾的推薦算法，其特征在于，故所述S4具體步驟如下：

S41：基于解耦和記憶的圖協同過濾的算法框架，旨在不同意圖間能夠相互獨立、互不影響，故建立獨立模塊，所以意圖間的損失loss_intend表示為：

其中，表示為所有用戶和物品的意圖嵌入表示，COV(·)表示為矩陣間距離協方差，VAR(·)表示為每個矩陣的距離方差。