[發明專利]基于異構圖注意力網絡的電影推薦方法、裝置及設備

在審

• 申請號: 202111154492.6
• 申請日: 2021-09-29
• 公開（公告）號: CN113836425A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 劉杰;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/30;G06N3/04
• 代理公司: 深圳國新南方知識產權代理有限公司 44374
• 代理人: 周雷

本發明公開了一種基于異構圖注意力網絡的電影推薦方法，包括：獲取用戶的電影推薦數據；基于預設的向量映射模型將電影推薦數據映射為對應的實體向量；基于預設的節點級注意力神經網絡計算實體向量之間的權重；根據實體向量和權重構建異構圖注意力網絡；將異構圖注意力網絡輸出的嵌入信息輸入至預設的MLP模型進行分析，得到用戶對應的電影推薦結果。可見，本發明能夠在電影推薦系統中，根據用戶的電影推薦數據實時地更新異構圖注意力網絡，根據用戶的電影推薦數據實時地對電影推薦過程進行調整，提高最終的電影推薦結果的準確度。本發明還涉及區塊鏈技術領域。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于異構圖注意力網絡的電影推薦方法、裝置、計算機設備以及存儲介質。

背景技術

隨著計算機技術的發展，計算機推薦系統已經被廣泛地應用于各種生活場景中，計算機推薦系統也已經有越來越多的研究工作和落地實踐。目前，計算機推薦系統的實現形式主要有以下三種：基于協同過濾的推薦系統(CF，Collaborative Filterin)、協同基于內容的推薦系統(CB，Content Base)和混合推薦系統。然而，這些實現形式大多都采用靜態偏好推薦的形式，在一些靈活多變的應用場景中，這些實現形式的推薦系統大多表現得并不理想。例如，在應用于電影推薦的推薦系統中，用戶真正感興趣的電影很容易受到社會熱點、朋友推薦、近期觀看的其他電影等因素的影響，此時，基于靜態偏好建模實現的推薦系統往往不能夠實時地理解用戶的偏好，容易導致最終的電影推薦結果的準確度降低。可見，目前的電影推薦系統的推薦準確度仍有進一步提升的空間。

發明內容

本發明所要解決的技術問題在于，目前的電影推薦系統的推薦準確度較低。

為了解決上述技術問題，本發明第一方面公開了一種基于異構圖注意力網絡的電影推薦方法，所述方法包括：

獲取用戶的電影推薦數據；

基于預設的向量映射模型將所述電影推薦數據映射為對應的實體向量；

基于預設的節點級注意力神經網絡計算所述實體向量之間的權重；

根據所述實體向量和所述權重構建異構圖注意力網絡，其中，所述異構圖注意力網絡基于預設的語義級別注意力機制對所述異構圖注意力網絡中的節點進行分析，輸出語義級的嵌入信息；

將所述異構圖注意力網絡輸出的嵌入信息輸入至預設的MLP模型進行分析，得到所述用戶對應的電影推薦結果。

本發明第二方面公開了一種基于異構圖注意力網絡的電影推薦裝置，所述裝置包括：

獲取模塊，用于獲取用戶的電影推薦數據；

映射模塊，用于基于預設的向量映射模型將所述電影推薦數據映射為對應的實體向量；

計算模塊，用于基于預設的節點級注意力神經網絡計算所述實體向量之間的權重；

構建模塊，用于根據所述實體向量和所述權重構建異構圖注意力網絡，其中，所述異構圖注意力網絡基于預設的語義級別注意力機制對所述異構圖注意力網絡中的節點進行分析，輸出語義級的嵌入信息；

分析模塊，用于將所述異構圖注意力網絡輸出的嵌入信息輸入至預設的MLP模型進行分析，得到所述用戶對應的電影推薦結果。

本發明第三方面公開了一種計算機設備，所述計算機設備包括：

存儲有可執行程序代碼的存儲器；

與所述存儲器連接的處理器；

所述處理器調用所述存儲器中存儲的所述可執行程序代碼，執行本發明第一方面公開的基于異構圖注意力網絡的電影推薦方法中的部分或全部步驟。