[發明專利]一種基于雙角度圖神經網絡的會話推薦方法

在審

• 申請號: 202310069876.0
• 申請日: 2023-02-07
• 公開（公告）號: CN116049554A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 趙思衡
• 申請（專利權）人: 北京工業大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06N3/08;G06N3/0464
• 代理公司: 安徽初升專利代理事務所(普通合伙) 34233
• 代理人: 楊靖茹

本發明涉及會話推薦系統技術領域，具體涉及一種基于雙角度圖神經網絡的會話推薦方法，包括給定的任意一條會話數據s，其中包含有n個項目s＝{vsubgt;1/subgt;，vsubgt;2/subgt;，…，vsubgt;n/subgt;}，出現的項目均屬于總項目集合，根據會話s預測下一個被點擊的項目vsubgt;n+1/subgt;的步驟如下；本發明以“全局”和“局部”兩個角度來使用圖神經網絡，充分地建模用戶的偏好，極大地提高了推薦結果的質量。本發明設計了一種全局會話圖和新的位置編碼機制。全局圖將全體會話中與目標會話相關的項目轉換構成了一個圖，進行消息傳遞并輸出一個代表目標會話的全局表示，以此高效地從全體會話中挖掘協同信息。位置編碼根據會話的長度生成不同的位置嵌入向量，以獲得更強的位置信息捕獲能力。

技術領域

本發明涉及會話推薦系統技術領域，具體涉及一種基于雙角度圖神經網絡的會話推薦方法。

背景技術

所謂會話，是由匿名用戶的一系列交互的項目構成的序列，根據此數據系統會預測用戶下一次會交互的項目。會話推薦的研究有著許多挑戰。傳統的推薦系統根據用戶與項目的長期交互歷史發現用戶的偏好，以此預測用戶下一個感興趣的項目。然而現實里，大多數用戶是沒有登錄的用戶，他們在瀏覽在線服務時往往不會留下他們的個人信息。“沒有用戶信息、少量的歷史交互數據”，這些導致了傳統推薦方法難以發揮其性能。相反，會話推薦系統可以利用少量的歷史交互并且在無需用戶信息的情況下推薦用戶感興趣的項目。這使得會話推薦系統在現實場景中有著巨大的實用價值。

現有的會話推薦方法大多以神經網絡為主體。其中，基于圖神經網絡的方法是當前最為熱門、性能最好的方法(如SR-GNN)。一般而言，這類方法會將目標會話轉換為一個圖，再用圖神經網絡學習圖中包含的成對的項目轉換，以此建模用戶的偏好。

然而，此類方法的會話數據序列長度普遍較短，其中包含的可用信息較少；僅僅對于目標會話進行學習并不足以掌握用戶的偏好，這會導致推薦結果的質量降低。

在所述背景技術部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本發明設計并實現了一種新的基于雙角度圖神經網絡的會話推薦方法。本發明在學習目標會話以外，還將目標會話之外的會話轉化為圖，并學習其包含的協同信息來輔助建模用戶的偏好，以此改善推薦的質量。本發明的工作流程可分為四部分：圖模型的構建，圖表示的學習，目標會話表示的生成，推薦結果的計算；首先，在得到會話數據后會將每個會話轉換為兩個圖，局部會話圖與全局會話圖；然后，系統會使用兩個圖神經網絡來分別學習圖中信息，生成圖表示向量；最終，位置編碼機制會為每個會話生成相應的位置編碼，用來與圖表示向量結合，生成最終的會話表示并產生推薦結果，以解決技術中的上述不足之處。

為了實現上述目的，本發明提供如下技術方案：一種基于雙角度圖神經網絡的會話推薦方法，包括給定的任意一條會話數據s，其中包含有n個項目s＝{v₁，v₂，...，v_n}，出現的項目均屬于總項目集合，其特征在于，根據會話s預測下一個被點擊的項目vn+1的步驟如下：

S1.確定目標會話的鄰居集合：統計每一個項目在全體會話中出現時的前后鄰居項目，根據目標會話中含有的項目查找對應的全局鄰居，將所有的全局鄰居項目合并，以此作為目標會話的鄰居集；

S2.圖模型的構建：將目標會話轉為局部會話圖，從全體會話中選取部分的項目轉換來構建全局會話圖；

S3.圖表示的學習：用圖神經網絡對局部會話圖和全局會話圖模型進行學習以生成圖表示，局部會話圖的計算公式及其符號表達為：和全局會話圖的計算公式及其符號表達為和獲得會話節點的特征并作為輸出；

S4.