一种基于时间间隔增强的图神经网络推荐方法技术

本发明专利技术提供了一种基于时间间隔增强的图神经网络推荐方法，该方法提出时间间隔增强会话图，Graph Transformer和当前会话中用户的偏好整合表示及预测三个模块以优化用户在当前会话中所隐含的偏好信息，提高对下一个物品点击预测的准确率，其步骤如下：(1)构建具有时间间隔的有向会话图；(2)充分学习每个物品的隐向量表示；(3)生成每个会话的最终嵌入向量；(4)为每个会话的下一次点击物品作出推荐；本发明专利技术将用户点击物品的序列构建为具有时间间隔的关系图；设计一个嵌入时间间隔的Graph Transformer来学习物品之间复杂的交互信息；再使用注意力网络融合用户在整个点击序列过程中的整体行为偏好和最后点击物品的当前兴趣，这样可以有效预测用户下一次点击的物品的准确性。准确性。准确性。

【技术实现步骤摘要】
一种基于时间间隔增强的图神经网络推荐方法


[0001]本专利技术主要涉及的
，具体为一种基于时间间隔增强的图神经网络推荐方法。

技术介绍

[0002]现有的图神经网络推荐方法，如“基于会话的循环神经网络推荐方法”主要的步骤有：(1)将会话中的物品按照用户点击的时间先后顺序输入一个编码器，其中编码器分为全局编码器和局部编码器。(2)全局编码器用一个循环神经网络扫描序列后，用最后一次行为(已聚集当前会话所有物品特征)的隐状态表示用户的序列行为；局部编码器用另一个循环神经网络计算输出每个物品的权重，并以所有隐状态的加权和表示用户长期兴趣特征。(3)将全局编码器和局部编码器得到的特征向量连在一起，并将其转换到与物品嵌入特征一样的大小。(4)利用点积计算节点间彼此的相似度，按计算出的相关性给出预测结果。
[0003]又如“基于会话的图神经网络推荐方法”，主要的步骤有：(1)将所有的会话序列按照用户点击的时间先后顺序构建为有向图。(2)使用图神经网络学习所构图中每一个节点的隐向量表示。(3)通过一个注意力架构模型得到每个会话嵌入向量的最终表示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时间间隔增强的图神经网络推荐方法，其特征在于，该方法提出时间间隔增强会话图，Graph Transformer和当前会话中用户的偏好整合表示及预测三个模块以优化用户在当前会话中所隐含的偏好信息，提高对下一个物品点击预测的准确率，其步骤如下：(1)将每一个会话序列都建模为具有时间间隔的有向会话图，每一个节点(物品)都被嵌入到统一的空间得到初始的节点向量，基于节点向量，每一个会话被建模成一个嵌入向量；(2)采用Graph Transformer学习物品之间复杂的交互信息得到每一个物品的隐向量表示；其中，嵌入一种有效的相对位置时间函数，以增强会话序列理解能力；(3)利用注意力机制将每个会话中用户的整体行为偏好和当前兴趣进行整合生成的最终表示向量；(4)计算所有候选物品的推荐概率，并给出在该次会话中用户下一次可能点击的不同物品的预测概率。2.根据权利要求1所述的一种基于时间间隔增强的图神经网络推荐方法，其特征在于，其中步骤(1)中构建具有时间间...

【专利技术属性】
技术研发人员：王换文，曾雅文，陈浩，
申请(专利权)人：湖南大学，
类型：发明
国别省市：