【技术实现步骤摘要】
一种基于分簇多实体图神经网络的推荐方法
本专利技术涉及推荐算法领域，更具体地，涉及一种基于分簇多实体图神经网络的推荐方法。
技术介绍
自美国、中国的互联网浪潮以来，为了给用户推荐更好的产品、内容，提高用户的满意度，增大自身平台的竞争力，推荐系统被越来越广泛地应用在各种领域。在一些行业，推荐系统甚至是公司的核心竞争力，比如淘宝为用户推荐商品，抖音、快手为用户推荐内容，优秀的推荐效果往往能让公司更有竞争力。传统的推荐系统是基于内容的推荐，通过人工为商品添加标签，再分析用户的行为轨迹，最终给出推荐，这样做的缺点是必须人工标注，需要投入大量的人工成本，当场景变得复杂时，人力成本的膨胀较大。后来人们提出了基于物品的推荐，不需要人工标注物品，而是分析人的购买行为，从而给出推荐。为了得到更好的推荐效果，人们尝试将用户、物品的行为记录和社交关系考虑进来，提出了图神经网络。图神经网络认为，如果将每个实体视为一个节点，则实体之间的关系相当于节点之间的连接。一个人的偏好应当受到其周围物品的影响，一个物品的特征也应当与交互过它的用户相关。图神经网络...
【技术保护点】
1.一种基于分簇多实体图神经网络的推荐方法，其特征在于，包括以下步骤：/nS1：对图中每个实体进行分簇；/nS2：在一层图神经网络中，为不同的节点之间分配不同的信息传递权重；/nS3：在不同层神经网络中，为不同的节点之间建立信息传递；/nS4：在经历多层图神经网络时，嵌入向量矩阵的多层处理；/nS5：进行相关性计算。/n
【技术特征摘要】
1.一种基于分簇多实体图神经网络的推荐方法，其特征在于，包括以下步骤：
S1：对图中每个实体进行分簇；
S2：在一层图神经网络中，为不同的节点之间分配不同的信息传递权重；
S3：在不同层神经网络中，为不同的节点之间建立信息传递；
S4：在经历多层图神经网络时，嵌入向量矩阵的多层处理；
S5：进行相关性计算。
2.根据权利要求1所述的基于分簇多实体图神经网络的推荐方法，其特征在于，所述步骤S1的具体过程是：
根据图分簇算法，分析图的连通性，将图切分为多个簇，保留尽可能多的簇内连接，簇与簇之间的连接会被断开。
3.根据权利要求2所述的基于分簇多实体图神经网络的推荐方法，其特征在于，所述步骤S2的具体过程是：
在一层图神经网络处理中，节点之间会进行信息传递，使节点向量能融合其周围节点的信息，为不同的节点之间分配不同的信息传递权重，从而使信息更有效地在节点之间传递。
4.根据权利要求3所述的基于分簇多实体图神经网络的推荐方法，其特征在于，所述步骤S3的具体过程是：
每层图神经网络的处理，都会使节点融合周边节点的信息；在使用多层图神经网络处理后，节点能沿着交互关系融合更远节点的信息。
5.根据权利要求4所述的基于分簇多实体图神经网络的推荐方...
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。