[發(fā)明專利]一種基于輕量化圖卷積網(wǎng)絡(luò)的移動應(yīng)用推薦方法

有效

• 申請?zhí)枺?/td>: 202110853793.1
• 申請日: 2021-07-28
• 公開（公告）號: CN113688974B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設(shè)計(jì)）人: 曹步清;鐘為是
• 申請（專利權(quán)）人: 湖南科技大學(xué)
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06F18/214;G06F17/16;G06F16/9535
• 代理公司: 深圳紫晴專利代理事務(wù)所(普通合伙) 44646
• 代理人: 付欽偉

1.一種基于輕量化圖卷積網(wǎng)絡(luò)的移動應(yīng)用推薦方法，其特征在于，包括如下步驟：

1)初始嵌入層：嵌入向量e_i∈R^d代表用戶u的嵌入矩陣，e_i∈R^d代表移動應(yīng)用i嵌入矩陣，其中d為移動應(yīng)用或用戶的嵌入維度大小；因兩者的嵌入維度一致，將參數(shù)矩陣構(gòu)建整合為一個嵌入的大矩陣，具體如公式(1)、(2)所示：

2)輕量化圖卷積層：在LGC層，對下一層進(jìn)行歸一化鄰域嵌入求和，在LGC層的組合過程中，對每一層的嵌入進(jìn)行求和，得到最終的向量表示；通過將移動應(yīng)用節(jié)點(diǎn)和用戶節(jié)點(diǎn)的特征聚合在圖上，學(xué)習(xí)新節(jié)點(diǎn)的向量表示，將模型迭代地進(jìn)行圖卷積，即將鄰域的特征聚合為目標(biāo)節(jié)點(diǎn)的新向量表示，這種鄰域聚合可以抽象為：

其中，AGG表示線性聚合函數(shù)，LGC僅從鄰居傳播信息，通過傳播來自其連接用戶的信息來獲得移動應(yīng)用i的表征

LGC中的傳播規(guī)則為：

根據(jù)公式(4)和(5)，以二階傳播嵌入為例，得知：

在LGC中，eu(0)：表示所有用戶、ei(0)：表示所有移動應(yīng)用，當(dāng)給定第0層嵌入時，通過公式(4)和(5)中定義的LGC傳播規(guī)則計(jì)算更高層的嵌入，通過堆疊K個嵌入傳播層，用戶或移動應(yīng)用接收從其K跳鄰居傳播的消息，以形成用戶和移動應(yīng)用節(jié)點(diǎn)的最終向量表征：

其中，αk為可學(xué)習(xí)的權(quán)重系數(shù)；

另外，矩陣形式的傳播規(guī)則：用戶-移動應(yīng)用交互矩陣為其中，M和N分別表示用戶數(shù)量和移動應(yīng)用數(shù)量，如果u與i交互，則R_ui為1，否則為0；用戶-移動應(yīng)用交互的鄰接矩陣為：

其中T是嵌入大小，給定第0層的嵌入矩陣，得到LGC矩陣的等價形式：

其中，D是一個(M+N)×(M+N)的對角正定矩陣，也稱為鄰接矩陣A的度矩陣；為對稱歸一化矩陣。

3)移動應(yīng)用推薦層：通過LGC層的嵌入傳播，得到用戶u和移動應(yīng)用i的多個向量表示；根據(jù)生成的節(jié)點(diǎn)向量表示，計(jì)算內(nèi)積可以根據(jù)下式(11)預(yù)測用戶對移動應(yīng)用的偏好得分：