[發明專利]基于增強圖卷積的屬性融合交互推薦模型構建方法及系統

在審

• 申請號: 202210106409.6
• 申請日: 2022-01-28
• 公開（公告）號: CN114676315A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 楊振宇;王鈺;崔來平;李怡雯
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F40/169;G06Q30/06;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.基于增強圖卷積的屬性融合交互推薦模型構建方法，其特征是，包括：

構建基于增強圖卷積的關系編碼器，從用戶物品交互行為中提取用戶物品間的高階特征，獲得用戶和物品在各個時刻包含了高階協同信號的動態特征表示；

構建融合屬性信息的評論編碼器，對評論文本及其對應的屬性進行相應的處理并融合，得到評論的準確特征表示。

2.如權利要求1所述的基于增強圖卷積的屬性融合交互推薦模型構建方法，其特征是，構建基于增強圖卷積的關系編碼器的步驟為：

通過用戶與物品的交互為節點構建用戶-物品二部圖；

自注意力聚合器融合用戶-物品二部圖中交互節點的時序信息，用戶-物品注意力聚合器注意力聚合器聚合用戶或物品的鄰居節點，以此來學習用戶和物品在每個時刻的嵌入表示；

利用增強圖卷積對用戶-物品二部圖進行多層圖卷積，學習用戶-物品二部圖中各節點的高階信號；

根據學習的用戶和物品在每個時刻的嵌入表示及用戶-物品二部圖中各節點的高階信，獲得用戶和物品在各個時刻包含了高階協同信號的動態特征表示。

3.如權利要求1所述的基于增強圖卷積的屬性融合交互推薦模型構建方法，其特征是，構建融合屬性信息的評論編碼器的步驟為：

利用擴張卷積提取評論文本特征；

對屬性信息進行處理；

將評論文本特征與屬性信息結合，進而使用基于自監督學習的特征交互聚合模塊來判斷評論的有用性并得到評論的準確特征表示。

4.如權利要求2所述的基于增強圖卷積的屬性融合交互推薦模型構建方法，其特征是，構建用戶-物品二部圖之前需要每個用戶和物品對應的一組評論數據，包括：用戶u發布的數量為p的評論集及物品v收到的數量為q的評論集。

優選的，所述用戶-物品二部圖中的節點由兩個不相交的子集構成；

所述用戶-物品二部圖的每條邊表示一個交互行為；

用戶的鄰居是一個有序子集，包括在時間t之前最新的n個交互物品；

物品的鄰居包括在時間t之前最新的m個交互用戶。

5.基于增強圖卷積的屬性融合交互推薦模型構建系統，其特征是，包括：

基于增強圖卷積的關系編碼器構建模塊，用于從用戶物品交互行為中提取用戶物品間的高階特征，獲得用戶和物品在各個時刻包含了高階協同信號的動態特征表示；

融合屬性信息的評論編碼器構建模塊，用于對評論文本及其對應的屬性進行相應的處理并融合，得到評論的準確特征表示。

6.基于增強圖卷積的屬性融合交互推薦模型，其特征是，包括：

基于增強圖卷積的關系編碼器，包括嵌入層及增強圖卷積層；

所述嵌入層用于將用戶和物品的id及其對應的時序信息映射到低維向量表示；

所述增強圖卷積層使用圖卷積操作來聚合鄰居信息并更新用戶和物品嵌入；

及融合屬性信息的評論編碼器；

所述融合屬性信息的評論編碼器對用戶和物品的評論集中的文本處理，獲得評論的多粒度特征表示；

對評論文本對應的屬性信息進行處理，并與評論的多粒度特征表示結合得到多個融合屬性信息的評論特征；

接著將多個融合屬性信息的評論特征視為節點，將有益的特征交互對輸入到相加層得到最終包含有用性信息的評論特征表示，獲得融合評論的屬性特征并包含了評論的有用性信息。