【技术实现步骤摘要】
基于图卷积网络模型的面向群组对象的推荐方法
本专利技术属于推荐算法
，特别涉及一种基于图卷积网络模型的面向群组对象的推荐方法。
技术介绍
面向群组对象的推荐方法(GroupRecommendation)是指基于群组内用户的需求兴趣，以用户允许识别符合他们的需求、偏好、品味和目标为基础，查找对整个群组有益、感兴趣的商品推荐。在群组推荐的实现过程中，群组内用户与用户之间的关系，用户的活跃度，用户对群组决定权大小等等扮演着重要对角色，可以说，群组推荐是综合了各种因素的用户与推荐服务关系传递的抽象与凝练。群组推荐具有自组织、低耦合、可组合和可替换等特性。面对日益复杂的群组推荐服务，现有的面对群组的推荐方法已经不能满足群组的复杂需求。已有的群组推荐方法分为两类，基于记忆的和基于模型的方法。基于记忆的方法把群组内的用户偏好属性融合在一起，作为群组的偏好属性，或者把对群组内每个用户产生一个推荐商品列表，然后将这些列表根据某些特定的策略融合在一起得到群组的一个推荐商品列表。这类方法的融合策略往往是预先制定好的，例如使群组中用户...
【技术保护点】
1.一种基于图卷积网络模型的面向群组对象的推荐方法，其特征在于，包括以下步骤：/n步骤1、根据群组与用户的关系构建群组-用户关系二部图Graph
【技术特征摘要】
1.一种基于图卷积网络模型的面向群组对象的推荐方法，其特征在于，包括以下步骤：
步骤1、根据群组与用户的关系构建群组-用户关系二部图GraphR，根据群组与商品的历史交互行为记录构建群组-商品交互二部图GraphG，根据用户与商品的历史交互行为记录构建用户-商品交互二部图GraphU；
步骤2、利用三个图卷积网络NetR、NetG、NetU分别从三个二部图中提取特征，其中网络NetR的输入为群组和用户，输出为群组和用户的部分特征信息，网络NetG的输入为群组和商品，输出为群组和商品的部分特征信息，网络NetU的输入为用户和商品，输出为用户和商品的部分特征信息；
步骤3、将网络NetR输出的群组的部分特征信息和网络NetG输出的群组的部分特征信息进行特征融合获得群组的完全的特征表示eg；同样的，获得用户、商品各自完全的特征表示分别为eu、em；
步骤4、根据步骤3获得的群组、商品的特征表示预测群组与商品发生交互的可能性大小，根据用户、商品的特征表示预测用户与商品发生交互的可能性大小；对于某特定群组或用户，按照其与商品的交互可能性大小对商品进行排序，将可能性最大的K个商品推荐给该群组或用户，即为该群组或用户的Top-K推荐列表。
2.根据权利要求1所述的基于图卷积网络模型的面向群组对象的推荐方法，其特征在于，步骤1的具体过程为：
构建群组-用户关系二部图GraphR时，将群组和用户作为二部图中的节点，若群组g包含用户u，或者用户u在群组g中，则群组g和用户u对应的两个节点之间存在路径；构建群组-商品交互二部图GraphG时，将群组和商品作为二部图中的节点，若群组g与商品m之间发生过交互行为，则群组g和商品m对应的两个节点之间存在路径；构建用户-商品交互二部图GraphU时，将用户和商品作为二部图中的节点，若用户u与商品m之间发生过交互行为，则用户u和商品m对应的两个节点之间存在路径。
3.根据权利要求1所述的基于图卷积网络模型的面向群组对象的推荐方法，其特征在于，步骤2中三个图卷积网络具有相同的结构，均包括三部分：特征初始化模块，信息传递模块、输出模块；其中三个图神经网络共享一个特征初始化模块，即对每个群组、用户或者商品，只有一个初始化特征表示；
所述初始化模块，为每个群组、用户和商品初始化一个特征表示；
所述信息传递模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。