基于有权有向图进行关系推荐的方法、装置和计算机设备制造方法及图纸

本申请涉及人工智能技术领域，提供了一种基于有权有向图进行关系推荐的方法、装置、计算机设备和存储介质，包括：将用户、物品分别作为图结构的节点，用户与用户之间的关系、用户与物品之间的关系以及用户与物品之间的关系作为图结构的边，以构建图结构；基于所述图结构，针对每个节点，构建index索引关联的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵，将三组矩阵相乘得到特征矩阵，将所述特征矩阵与标签组成训练数据，训练图神经网络，使得图神经网络学习到更为细致的节点之间的关系特征，从而输出用户与用户、用户与物品、物品与物品之间具有关系的推荐列表，对于找出相似用户的商品推荐结果有着更高的准确性。

A method, apparatus and computer equipment for relation recommendation based on a weighted digraph

【技术实现步骤摘要】
基于有权有向图进行关系推荐的方法、装置和计算机设备
本申请涉及人工智能
，特别涉及一种基于有权有向图进行关系推荐的方法、装置、计算机设备和存储介质。
技术介绍
目前各大互联网公司如BAT，拼多多，谷歌，微软等领头企业均使用协调过滤和DNN模型进行个性化推荐系统的构建。上述个性化推荐系统常见的技术路线是协同过滤和DNN网络，效果一般，即使经过多特征融合与多次迭代，模型也难以准确体现出用户与用户或者物品之间的关系特征。
技术实现思路
本申请的主要目的为提供一种基于有权有向图进行关系推荐的方法、装置、计算机设备和存储介质，旨在克服目前难以准确提取关系特征的缺陷。为实现上述目的，本申请提供了一种基于有权有向图进行关系推荐的方法，包括以下步骤：将用户、物品分别作为图结构的节点，用户与用户之间的关系、用户与物品之间的关系以及用户与物品之间的关系作为图结构的边，以构建图结构；其中，所述图结构的边携带有关系方向以及权重信息；基于所述图结构，针对每个节点，构建index索引关联的关系节点连接矩阵、节点边关系矩阵以本文档来自技高网...

【技术保护点】
1.一种基于有权有向图进行关系推荐的方法，其特征在于，包括以下步骤：/n将用户、物品分别作为图结构的节点，用户与用户之间的关系、用户与物品之间的关系以及用户与物品之间的关系作为图结构的边，以构建图结构；其中，所述图结构的边携带有关系方向以及权重信息；/n基于所述图结构，针对每个节点，构建index索引关联的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵；其中，index索引相同的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵相互关联；/n将具有index关联的所述关系节点连接矩阵与所述节点边关系矩阵相乘之后，再与所述关系权重矩阵相乘得到特征矩阵；将所述图结构的边分别对应的关系信息作为标签，...

【技术特征摘要】
1.一种基于有权有向图进行关系推荐的方法，其特征在于，包括以下步骤：
将用户、物品分别作为图结构的节点，用户与用户之间的关系、用户与物品之间的关系以及用户与物品之间的关系作为图结构的边，以构建图结构；其中，所述图结构的边携带有关系方向以及权重信息；
基于所述图结构，针对每个节点，构建index索引关联的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵；其中，index索引相同的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵相互关联；
将具有index关联的所述关系节点连接矩阵与所述节点边关系矩阵相乘之后，再与所述关系权重矩阵相乘得到特征矩阵；将所述图结构的边分别对应的关系信息作为标签，将所述特征矩阵与所述标签组成训练数据；
将所述训练数据输入至图神经网络中进行图卷积核的多次卷积和迭代训练，得到推荐模型；
基于所述推荐模型，输出用户与用户、用户与物品、物品与物品之间具有关系的推荐列表。


2.根据权利要求1所述的基于有权有向图进行关系推荐的方法，其特征在于，所述基于所述图结构，针对每个节点，构建index索引关联的关系节点连接矩阵、节点边关系矩阵以及关系权重矩阵的步骤，包括：
针对所述图结构中的每个节点，创建一个index索引；
针对所述图结构中的每个节点，以所述节点为起始点，按照所述图结构的边的方向，获取所述节点所指向的下一级节点作为第一级链接节点；若第一级链接节点具有指向的下一级节点，则将其指向的下一级节点作为第二级链接节点，以此获取与所述节点链接的所有链接节点；将所述节点以及所有与所述节点链接的链接节点组成所述关系节点连接矩阵，并将所述关系节点连接矩阵与所述index索引进行关联；
针对所述图结构中的每个节点，依次获取所述节点与对应链接的链接节点的边关系，构成所述节点边关系矩阵，并将所述节点边关系矩阵与所述index索引进行关联；
针对所述图结构中的每个节点，依次获取所述节点与对应的链接节点的边关系的权重信息，构成所述关系权重矩阵，并将所述关系权重矩阵与所述index索引进行关联。


3.根据权利要求1所述的基于有权有向图进行关系推荐的方法，其特征在于，所述图神经网络的损失函数为：

；
其中，为已标注的标签结果，为图神经网络的输出结果，i为节点，P为输出结果的概率。


4.根据权利要求1所述的基于有权有向图进行关系推荐的方法，其特征在于，所述将用户、物品分别作为图结构的节点，用户与用户之间的关系、用户与物品之间的关系以及用户与物品之间的关系作为图结构的边，以构建图结构的步骤之后，包括：
获取管理终端的终端属性，并根据所述终端属性生成一个存储编码；其中，所述管理终端为请求调用图结构数据的终端；
基于所述图结构中的用户、物品生成唯一令牌以及一个随机令牌；
将所述图结构存储于数据库中，在所述数据库中建立所述存储编码与所述唯一令牌以及随机令牌的映射表，并将所述图结构标记为未调用状态；其中，所述数据库中的图结构被所述管理终端每调用一次后，则将所述图结构标记为已调用状态；
将所述映射表发送至管理终端。


5.根据权利要求4所述的基于有权有向图进行关系推荐的方法，其特征在于，所述将所述映射表发送至管理终端的步骤之后，包括：
接收到所述管理终端调用图结构的指令时，解析所述指令中携带的第一映射表，以解析出所述第一映射表中的存储编码、唯一令牌以及随...

【专利技术属性】
技术研发人员：韩铃，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44