一种基于二元信息网络的多视角注意力推荐算法制造技术

本发明专利技术提供一种基于二元信息网络的多视角注意力推荐算法，该算法从二元信息网络中生成高质量的、从目标用户到目标商品间的多条路径；对生成路径采用CNN和max‑pooling操作，提取对应的路径向量；将生成的多种路径向量通过attention机制进行加权合并，得到一个可以对应目标用户和目标商品对的路径合并向量；同样通过attention操作，利用S3生成的对应路径合并向量更新用户向量和商品向量；将生成的路径合并向量、用户向量和商品向量进行拼接，传输到多层感知机进行训练，即可获得最后的打分预测。

A multi perspective attention recommendation algorithm based on binary information network

【技术实现步骤摘要】
一种基于二元信息网络的多视角注意力推荐算法
本专利技术涉及图神经网络领域，更具体地，涉及一种基于二元信息网络的多视角注意力推荐算法。
技术介绍
近年来，随着互联网经济的蓬勃发展，推荐算法被应用到人们生活中的方方面面，如何高效地实现面向用户的个性化推荐成了很多企业的一个重要研究方向。在常用的推荐算法中，有一种方法被应用到大多数场景中，那就是协同过滤算法，它又可以分为基于内容的协同过滤(例如基于用户或者商品的KNN算法)和基于模拟交互行为的协同过滤(例如基于矩阵分解的协同过滤)，其中后者效果尤为明显，它在得到大量的关注的同时，也被发现存在一个很大的问题，即如何更好的模拟用户与商品的交互信息，例如矩阵分解算法采用矩阵点乘方式进行模拟，该方法在模拟非线性关系时表现较差。而随着神经网络的兴起，多层感知机被应用到协同过滤算法中，其中就诞生了基于神经网络的矩阵分解推荐算法，采用该算法后，之前提到的问题得到很大的缓解。但是，基于这种模拟交互行为的协同过滤仍存在一个问题—没有对用户与商品交互行为进行深层次的挖掘与利用。例如，在一个只由用户与商品的交互信息组成的关本文档来自技高网...

【技术保护点】
1.一种基于二元信息网络的多视角注意力推荐算法，其特征在于，包括以下步骤：/nS1：从二元信息网络中生成高质量的、从目标用户到目标商品间的多条路径；/nS2：对生成路径采用CNN和max-pooling操作，提取对应的路径向量；/nS3：将生成的多种路径向量通过attention机制进行加权合并，得到一个可以对应目标用户和目标商品对的路径合并向量；/nS4：同样通过attention操作，利用S3生成的对应路径合并向量更新用户向量和商品向量；/nS5：将S3和S4生成的路径合并向量、用户向量和商品向量进行拼接，传输到多层感知机进行训练，即可获得最后的打分预测。/n

【技术特征摘要】
1.一种基于二元信息网络的多视角注意力推荐算法，其特征在于，包括以下步骤：
S1：从二元信息网络中生成高质量的、从目标用户到目标商品间的多条路径；
S2：对生成路径采用CNN和max-pooling操作，提取对应的路径向量；
S3：将生成的多种路径向量通过attention机制进行加权合并，得到一个可以对应目标用户和目标商品对的路径合并向量；
S4：同样通过attention操作，利用S3生成的对应路径合并向量更新用户向量和商品向量；
S5：将S3和S4生成的路径合并向量、用户向量和商品向量进行拼接，传输到多层感知机进行训练，即可获得最后的打分预测。


2.根据权利要求1所述的基于二元信息网络的多视角注意力推荐算法，其特征在于，所述步骤S1的具体过程是：
S11：进行数据预处理，通过用户商品交互矩阵生成用户-用户相似矩阵和商品-商品相似矩阵，在利用BPR-MF模型生成用户矩阵和商品矩阵，两个矩阵包含每个用户和商品对应的隐向量，设该向量长度为d；
S12：首先确定要生成的路径的起点与终点，即目标用户和目标商品，然后决定生成的路径蕴含的条数，一般选用3跳路径，即一条路径包含4个点，根据已有信息，可以得知3跳路径有4种可能组合：UUUI，UIUI，UUII，UIII，其中，U表示用户，I表示商品；
S13：在计算其中一种组合路径的所有候选路径的相似度之后，设定合适的阈值后，将相似度低于阈值的杂质路径过滤掉，剩余路径可根据路径相似度排序选出前5个路径出来作为该种组合下的候选路径组；
S14：重复步骤S13，得到4种组合路径下的候选路径组，每组都至多有5条候选路径。


3.根据权利要求2所述的基于二元信息网络的多视角注意力推荐算法，其特征在于，所述步骤S13中计算每条符合条件的路径的相似度的的过程是：
1)、设路径中每条边对应的两个点n1和n2向量之间余弦相似度为计算出路径中所有边的相似度后对其的平均值，设为avg(n:)，那么边(n1,n2)的相似度sim(n1,n2)可用如下公式求得：



2)、求边(n1,n2)的置信度cf(n1,n2)，即计算边起点n1的出度dn1和终点n2的入度dn2，dn1大，意味着该点的出度边较多，每条边的重要性较低，相反则意味着每条边重要性较大；以此类推，dn2小，意味着每条入度边的重要性较大，即dn1和dn2的大小与边的置信度呈现反相关，通过试验，用如下公式来模拟该关系：



3)、将边的相似度sim乘以边的置信值cf即可得到该边的相似度，将3条边的相似度相加得到对应路径的相似度V(p)，路径相似度公式如下所示：



4)、之后选取前5个V(p)最大的路径作为对应路径组的候选路径即可。


4.根据权利要求3所述的基于二元信息网络的多视角注意力推荐算法，其特征在于，所述步骤S2的具体过程是：
S21：将每种组合路径下的5条候选路径分别转化为5个路径矩阵，将其中一条路径中每一个点对应的d维向量选出来，再对其进行纵向拼接成一个4*d矩阵然后采用CN...

【专利技术属性】
技术研发人员：印鉴，李学思，刘威，余建兴，朱怀杰，邱爽，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44