基于图网络的商品信息推荐方法及电子设备技术

一种基于图网络的商品信息推荐方法，其特征在于，包括：定义有序推荐路径；使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；选择对应于不同所述有序推荐路径的推荐算法；基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息。

Commodity information recommendation method and electronic equipment based on graph network

A graph network based commodity information recommendation method is characterized in that it includes: defining an ordered recommendation path; analyzing the importance of the ordered recommendation path by using the attention mechanism, embedding the ordered recommendation path by using the additive operation, obtaining the objective function of the unified collaborative filtering framework based on graph embedding; selecting recommendations corresponding to different ordered recommendation paths Algorithm; building a recommendation algorithm selection model based on the graph network based on the objective function and the recommendation algorithm; training the recommendation algorithm selection model based on the graph network to obtain the recommendation algorithm automatic selection model; using the recommendation algorithm to select the recommendation algorithm automatically to recommend the product information to the user according to the recommendation algorithm.

【技术实现步骤摘要】
基于图网络的商品信息推荐方法及电子设备
本专利技术涉及，特别是指一种基于图网络的商品信息推荐方法及电子设备。
技术介绍
随着电子商务的发展，网络购物成为一种趋势，商品信息推荐成了电商挖掘客户需求提高营业额的主要手段。推荐系统首先收集用户的历史行为数据，然后通过预处理的方法得到用户评价矩阵，再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈，并根据实际的反馈信息实时调整推荐策略，产生更符合用户需求的推荐结果。然而目前的商品信息推荐机制都比较单一且在给定场景中无法对所有用户自动选择合适的推荐算法进行推荐，因此推荐信息不够高效精准。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种将多种推荐机制组合可自动针对每个用户给出个性化推荐算法，实现高效精准信息推荐的基于图网络的商品信息推荐方法及电子设备。基于上述目的，本专利技术提供了一种基于图网络的商品信息推荐方法，其特征在于，包括：定义有序推荐路径；使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；选择对应于不同所述有序推荐路径的推荐算法；基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息。在一些实施方式中，所述定义有序推荐路径，具体包括：定义三元组和分别表示第i个用户和第j个商品，p代表连结用户和商品的有序推荐路径，r1表示用户购买一个商品，r2表示用户在购买一个商品之前购买了另一个商品，表示用户在购买商品之前买的商品。在一些实施方式中，所述有序推荐路径中的任意两个商品遵守唯一性和有序性，其中：定义表示用户购买商品的时间；所述有序推荐路径中的任意两个商品表示为所述唯一性为：p两次经过相同商品，属于不同的购买行为；所述有序性为：p在经过之前经过了则先于被购买。在一些实施方式中，所述注意机制具体包括公式：其中表示连接用户i和商品j的有序推荐路径p的重要性，p′表示所述有序推荐路径p中的任意一条路径。在一些实施方式中，所述相加操作具体包括公式：其中为商品的嵌入向量，为路径的嵌入向量，为所述用户购买一个商品的嵌入向量，为所述用户在购买一个商品之前购买了另一个商品的嵌入向量。在一些实施方式中，所述基于图嵌入的统一协作过滤框架的目标函数具体包括：其中，表示所有的用户-商品键对集合，γ>0是边缘超参数，为负样例，表示一个不同于的用户，表示和间的距离，表示和间的距离，[x]+＝max(0；x)返回0和x之间的最大值，是负样例组成的用户-商品键对三元组集合在一些实施方式中，所述基于图嵌入的统一协作过滤框架的目标函数使用欧几里得距离作为唯一的距离度量。在一些实施方式中，所述推荐算法具体包括如下中的一种或多种：一阶矩阵分解、贝叶斯个性排序、分解马尔科夫链、混合推荐。在一些实施方式中，所述训练基于图网络的推荐算法选择模型的过程采用预热训练策略。此外本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上述实施方式中任意一项所述的方法。从上面所述可以看出，本专利技术提供的一种基于图网络的商品信息推荐方法及电子设备首次将用户的购买行为映射到了网络图中，并通过定义时序推荐路径来捕获用户的购物行为，将多个推荐算法和不同的路径相对应，最终将模型映射到网络领域；首次引入注意力机制，从多个算法模型中进行了选择，从而针对每个用户商品键对，给出了最为精准的推荐信息；不仅将几种已知的推荐算法包含在内，并在此基础进行了更高阶的算法框架扩展，提高了推荐系统的效率，使得商品信息推荐更加高效。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一个实施例的一种基于图网络的商品信息推荐方法的流程图；图2为本专利技术一个实施例的有序推荐路径的示例图；图3为本专利技术一个实施例的基于图嵌入的统一协作过滤框架的结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，本专利技术实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本专利技术实施例的限定，后续实施例对此不再一一说明。随着电子商务的发展，网络购物成为一种趋势，商品信息推荐成了电商挖掘客户需求提高营业额的主要手段。推荐系统首先收集用户的历史行为数据，然后通过预处理的方法得到用户评价矩阵，再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈，并根据实际的反馈信息实时调整推荐策略，产生更符合用户需求的推荐结果。其中协同过滤系统成为最重要的一种推荐模型，包括时序的推荐模型，以及非时序的推荐模型等。但是给定一个新的场景，这些模型只能对部分的用户进行正确的推荐，因此，如何针对用户的购物行为自动的选择合适的模型进行推荐，便是一个十分重要的，急需解决的问题。而且目前的商品信息推荐机制都比较单一且在给定场景中无法对所有用户自动选择合适的推荐算法进行推荐，因此推荐信息不够高效精准。有鉴于此，本专利技术的目的在于提出一种将多种推荐机制组合可自动针对每个用户给出个性化推荐算法，实现高效精准信息推荐的基于图网络的商品信息推荐方法及电子设备。具体的，本专利技术提出了UGrec(UnifiedCollaborativeFilteringframeworkoverGraphEmbeddings)即基于图嵌入的统一协作过滤框架和传统算法相结合搭建推荐算法自动选择模型，基于用户的购物行为，自动选择合适的推荐系统进行推荐。UGrec将用户的购物行为映射为一个网络，并定义了一系列的时序推荐路径来捕获用户的时序购物行为。UGrec验证了多个流行的推荐算法都可以近似的对应某种时序推荐路径。最终UGrec通过注意力机制进行路径选择来提升推荐的准确性，而选择的路径代表了其最适合该用户的推荐模型。参考图1为本专利技术一个实施例的一种基于图网络的商品信息推荐方法的流程图。S101，定义有序推荐路径：定义三元组和分别表示第i个用户和第j个商品，p代表连结用户和商品的有序推荐路径，r1表示用户购买一个商品，r2表示用户在购买一个商品之前购买了另一个本文档来自技高网...

【技术保护点】
1.一种基于图网络的商品信息推荐方法，其特征在于，包括：/n定义有序推荐路径；/n使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；/n选择对应于不同所述有序推荐路径的推荐算法；/n基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；/n训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；/n使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息。/n

【技术特征摘要】
20190523 CN 20191043231751.一种基于图网络的商品信息推荐方法，其特征在于，包括：
定义有序推荐路径；
使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；
选择对应于不同所述有序推荐路径的推荐算法；
基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；
训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；
使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息。


2.根据权利要求1所述的基于图网络的商品信息推荐方法，其特征在于，所述定义有序推荐路径，具体包括：
定义三元组和分别表示第i个用户和第j个商品，p代表连结用户和商品的有序推荐路径，r1表示用户购买一个商品，r2表示用户在购买一个商品之前购买了另一个商品，表示用户在购买商品之前买的商品。


3.根据权利要求2所述的基于图网络的商品信息推荐方法，其特征在于，所述有序推荐路径中的任意两个商品遵守唯一性和有序性，其中：
定义表示用户购买商品的时间；所述有序推荐路径中的任意两个商品表示为
所述唯一性为：p两次经过相同商品，属于不同的购买行为；
所述有序性为：p在经过之前经过了则先于被购买。


4.根据权利要求3述的基于图网络的商品信息推荐方法，其特征在于，所述注意机制具体包括公式：



其中表示连...

【专利技术属性】
技术研发人员：王鹏飞，朱亚东，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11