一种基于结构增强的图卷积神经网络会话推荐方法技术

本发明专利技术涉及会话推荐技术领域，具体涉及一种基于结构增强的图卷积神经网络会话推荐方法，首先获取目标会话文本的会话表示；然后基于会话表示生成对应的会话图，进而通过会话图识别目标会话文本中的噪声项目；再结合注意力机制重置噪声项目的注意力权重，以消除噪声项目的影响；最后计算最终预测概率分布，并基于最终预测概率分布进行项目推荐。本发明专利技术中基于结构增强的图卷积神经网络会话推荐方法能够识别噪声项目并解决噪声项目影响，从而能够提升会话项目推荐的准确性。升会话项目推荐的准确性。升会话项目推荐的准确性。

【技术实现步骤摘要】
一种基于结构增强的图卷积神经网络会话推荐方法


[0001]本专利技术涉及互联网大数据
，具体涉及一种基于结构增强的图卷积神经网络会话推荐方法。

技术介绍

[0002]基于会话的推荐是一种针对匿名用户或未登录用户的一种推荐模式，其在如今的各大电商平台(淘宝、京东等)或流媒体平台(抖音，YouTobe等)发挥着重要作用。在实际场景中，某些时候只能获取到用户的短期历史交互，比如：新用户或未登录用户。此时，依赖于用户长期历史交互的推荐算法在会话推荐中的表现会收到限制，例如基于协同过滤或马尔可夫链的方法。因此，基于会话的推荐成为一个研究热点，其目标是根据用户在会话中的行为序列来推荐用户感兴趣的下一个项目(或商品)。
[0003]针对现有会话推荐方法的项目推荐准确性不高的问题，公开号为CN112035746A的中国专利公开了《一种基于时空序列图卷积网络的会话推荐方法》，其包括：将所有会话序列建模为有向会话图；以会话中共有的商品为链接，构建全局图；将ARMA过滤器嵌入到门控图神经网络中，提取图模型中随时间变化的拓扑图信号，并得到会话图中涉及的各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于结构增强的图卷积神经网络会话推荐方法，其特征在于：首先获取目标会话文本的会话表示；然后基于会话表示生成对应的会话图，进而通过会话图识别目标会话文本中的噪声项目；再结合注意力机制重置噪声项目的注意力权重，以消除噪声项目的影响；最后计算最终预测概率分布，并基于最终预测概率分布进行项目推荐。2.如权利要求1所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，具体包括以下步骤：S1：获取目标会话文本；S2：将目标会话文本输入经过预先训练的会话推荐模型中；所述会话推荐模型首先通过融合嵌入模块从三个角度分别提取目标会话文本的局部嵌入表示、全局嵌入表示和共识嵌入表示；再通过重复预测模块计算对应的重复预测概率；然后通过探索预测模块识别目标会话文本中的噪声项目、消除噪声项目的影响，并计算对应的探索预测概率；最后通过判断模块基于重复预测概率和探索预测概率计算对应的最终预测概率分布；S3：基于会话推荐模型输出的最终预测概率分布进行项目推荐。3.如权利要求2所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于：所述融合嵌入模块包括用于基于目标会话文本生成全局表示的动态全局邻居注意力网络，以及用于基于目标会话文本的局部表示和全局表示融合生成对应的局部嵌入表示、全局嵌入表示和共识嵌入表示的多通道图卷积神经网络。4.如权利要求3所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，所述动态全局邻居注意力网络通过如下步骤生成全局表示：S201：对目标会话文本进行编码，得到对应的局部表示S202：从候选项目集合V＝{v1,v1,
…
,v
|V|
}中提取K个候选项目v
j
∈V作为目标项目的全局邻居S203：基于全局邻居生成对应的全局邻居嵌入表示S204：通过注意力池化机制聚合目标项目的全局邻居嵌入表示得到目标项目的全局表示其中，S205：计算各个目标项目的会话全局表示并生成目标会话文本S的全局表示上述式中：表示可训练参数；[；]表示拼接操作。5.如权利要求4所述的基于结构增强的图卷积神经网络会话推荐方法，其特征在于，所述多通道图卷积神经网络通过如下步骤生成局部嵌入表示、全局嵌入表示和共识嵌入表示：S211：基于局部表示构造对应的局部图A
L,(l
‑
1)
，并通过局部图A
L,(l
‑
1)
计算
对应的局部嵌入表示其中，S212：基于全局表示构造对应的全局图A
G,(l
‑
1)
，并通过全局图A
G,(l
‑
1)
计算对应的全局嵌入表示其中，S213：基于局部图A
L,(l
‑
1)
和全局图A
G,(l
‑
1)
融合生成对应的共识图A
M,(l
‑
1)
；其中，S214：通过共识图A
M,(l
‑
1)
计算对应的共识嵌入表示其中，上述式中：HWGCN...

【专利技术属性】
技术研发人员：朱小飞，唐顾，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：