[發(fā)明專利]一種基于圖卷積網(wǎng)絡(luò)的社交推薦方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111287138.0
• 申請日: 2021-11-02
• 公開（公告）號: CN114036405A
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 張垣垣;朱俊武;章永龍;孫茂圣
• 申請（專利權(quán)）人: 揚州大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 南京蘇高專利商標事務(wù)所(普通合伙) 32204
• 代理人: 孟紅梅

1.一種基于圖卷積網(wǎng)絡(luò)的社交推薦方法，其特征在于，包括以下步驟：

步驟1，抽取用戶-物品關(guān)系以及用戶好友關(guān)系，處理后得到用戶-物品交互關(guān)系、以及用戶-用戶好友關(guān)系；

步驟2，基于用戶和物品的交互建立物品-物品協(xié)同相似關(guān)系，并將所得到的用戶和物品的關(guān)系建模在統(tǒng)一的網(wǎng)絡(luò)之中，在用戶端使用圖神經(jīng)網(wǎng)絡(luò)分別對用戶的兩類鄰域進行聚合操作，生成用戶的兩類節(jié)點特征，用戶節(jié)點的鄰域包括與之交互的物品以及用戶的社交好友，然后通過門控機制對用戶端的兩類節(jié)點進行特征融合獲得最終用戶表示；在物品端使用圖神經(jīng)網(wǎng)絡(luò)分別對物品的兩類鄰域進行聚合操作，生成物品的兩類節(jié)點特征，物品節(jié)點的鄰域包括與之交互的用戶以及協(xié)同相似物品，然后通過門控機制對物品端的兩類節(jié)點進行特征融合獲得最終物品表示；

步驟3，通過圖卷積網(wǎng)絡(luò)的消息傳遞機制和串聯(lián)操作，生成全局感知的用戶表示和物品表示；

步驟4，通過損失函數(shù)對模型進行訓練，以預測用戶點擊某一物品的概率。

2.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)的社交推薦方法，其特征在于，步驟2中物品-物品相似關(guān)系根據(jù)如下方法計算：

定義物品i和物品j之間的協(xié)同相似度sim_i,j的強度：

其中，R_U(i)表示對物品i有過交互行為的用戶集合，R_U(j)表示對物品j有過交互行為的用戶集合；

如果協(xié)同相似的強度大于設(shè)定的閾值，則認為物品i和j之間存在協(xié)同相似關(guān)系。

3.根據(jù)權(quán)利要求1所述的基于圖卷積網(wǎng)絡(luò)的社交推薦方法，其特征在于，步驟2中的鄰域聚合，具體過程包括：

使用圖卷積網(wǎng)絡(luò)分別對用戶節(jié)點兩類鄰域信息進行加權(quán)求和操作，獲得用戶關(guān)于物品鄰域的嵌入表示和用戶關(guān)于社交好友鄰域的嵌入表示最后通過HighwayNetwork網(wǎng)絡(luò)聚合兩類嵌入表示，獲得用戶u在第k+1層的最終嵌入表示

其中，R_I(u)是用戶u有過交互行為的物品節(jié)點集合，F(xiàn)_U(u)是用戶社交網(wǎng)絡(luò)中用戶u相鄰的好友節(jié)點集合，N_u是用戶u的一跳鄰居集合，包括與之交互的物品和社交好友，N_i是物品i的一跳鄰居集合，包括與之交互的用戶和物品協(xié)同相似網(wǎng)絡(luò)中物品i的鄰居節(jié)點，N_v是用戶v的一跳鄰居集合，包括與之交互的物品和社交好友，W₁和b₁分別是權(quán)重矩陣和偏置向量，σ是非線性激活函數(shù)ReLU，和分別表示物品i和用戶v在第k層的嵌入表示，作為下一層神經(jīng)網(wǎng)絡(luò)的用戶輸入；

使用圖卷積網(wǎng)絡(luò)分別對物品節(jié)點兩類鄰域信息進行加權(quán)求和操作，獲得物品關(guān)于用戶鄰域的嵌入表示和物品關(guān)于物品協(xié)同相似的嵌入表示最后通過HighwayNetwork網(wǎng)絡(luò)聚合兩類嵌入表示，獲得物品i在第k+1層的最終嵌入表示

其中，R_U(i)是與物品i有過交互行為的用戶集合，N_I(i)是物品協(xié)同相似網(wǎng)絡(luò)中物品i的鄰居節(jié)點集合，N_j是物品j的一跳鄰居集合，包括與之交互的用戶和物品協(xié)同相似網(wǎng)絡(luò)中物品j的鄰居節(jié)點，W₂和b₂分別是權(quán)重矩陣和偏置向量，和分別表示用戶u和物品j在第k層的嵌入表示，作為下一層神經(jīng)網(wǎng)絡(luò)的物品輸入。