[發明專利]一種基于行為感知融合圖卷積網絡的多行為推薦系統

在審

• 申請號: 202310346441.6
• 申請日: 2023-04-03
• 公開（公告）號: CN116385077A
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 王悅陽;陳方大;樓朝立;夏云霓;高旻;熊慶宇
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q30/0251
• 分類號: G06Q30/0251;G06N3/0464;G06N3/08
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 左倩

1.一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于：包括采樣模塊、模型訓練模塊和生成推薦列表模塊。

所述采樣模塊獲取用戶歷史交互的正樣本和未交互的負樣本數據，并輸入至模型訓練模塊。

所述模型訓練模塊存儲有行為感知融合圖卷積網絡模型；

所述模型訓練模塊首先隨機初始化用戶與物品嵌入參數，輸入至行為感知融合圖卷積網絡模型，然后利用采樣模塊的正樣本、負樣本數據對行為感知融合圖卷積網絡模型進行訓練，計算、融合多行為互信息和行為自信息，并計算得到用戶對不同物品的偏好分數，將偏好分數傳輸至生成推薦列表模塊；

所述生成推薦列表模塊根據偏好分數對物品進行降序排列，將前N個物品寫入推薦列表。

2.根據權利要求1所述的一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于：所述行為感知融合圖卷積網絡模型包括L層圖卷積網絡，每層圖卷積網絡均搭載有行為感知融合模塊。

3.根據權利要求1所述的一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于：所述用戶-物品正樣本包括用戶、用戶歷史交互與對應的交互物品；

所述用戶-物品負樣本包括用戶與未觀測到交互的物品。

4.根據權利要求1所述的一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于：計算、融合多行為互信息和行為自信息的步驟包括：

1)基于用戶多種行為的交互歷史，構建不同行為下的用戶-物品交互矩陣；矩陣中的每個元素表示用戶和對應物品在對應行為下是否存在交互；

2)初始化不同行為下用戶和物品的嵌入表示，分別記為r＝1,2,3…R；下標u表示用戶；下標i表示物品；R表示行為種類個數；

3)上下堆疊用戶和物品的嵌入矩陣，得到圖卷積網絡中的節點嵌入，記為

4)基于節點嵌入計算第l層圖卷積網絡節點信息傳播輸出l初始值為1；表示第r個行為下帶有自環的用戶-物品交互矩陣，其中表示單位矩陣，表示第r個行為下用戶-物品交互矩陣；表示的度數矩陣，是權重矩陣；

5)行為感知融合模塊計算第l層圖卷積網絡的多行為互信息和行為自信息

6)行為感知融合模塊將多行為互信息和行為自信息進行融合，得到第l層圖卷積網絡的節點嵌入信息融合f(·)為融合函數；

7)令l＝l+1，并返回步驟4)，直至得到第L層圖卷積網絡的節點嵌入信息融合；

8)將第L層圖卷積網絡不同行為下的節點嵌入信息進行融合，得到節點嵌入融合信息g(·)為融合函數；L表示總的網絡層數；

9)對節點嵌入融合信息ε^*進行切分，得到用戶嵌入矩陣和物品嵌入矩陣并計算用戶u對物品的偏好分數；

10)基于正樣本的偏好分數與負樣本的偏好分數，利用損失函數Loss對行為感知融合圖卷積網絡模型的參數進行更新。

5.根據權利要求4所述的一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于，第l層圖卷積網絡的多行為互信息如下所示：

式中，||(·)表示向量的切片拼接；表示向量的第h個切片，每個切片大小為d/H；表示值變量；r，r′＝1,2,3…R；

其中，歸一化的行為相似度如下所示：

式中，為中間參量；表示權重參數矩陣；為互信息計算中的查詢變量、關鍵字變量和值變量；表示中每個行向量的第h個切片，每個切片大小為d/H；h＝1,2,…,H。表示關鍵字變量；表示查詢變量。

6.根據權利要求4所述的一種基于行為感知融合圖卷積網絡的多行為推薦系統，其特征在于，第l層圖卷積網絡的行為自信息如下所示：

式中，為權重參數矩陣。