一种基于节点类型交互的商品推荐方法及系统技术方案

本发明专利技术公开一种基于节点类型交互的商品推荐方法及系统，包括：以商品类型、店铺和用户类型为节点，以用户行为为边构建异质信息网络；对不同类型的节点进行特征转换后，将所有节点映射到同一特征空间；构建用户

【技术实现步骤摘要】
一种基于节点类型交互的商品推荐方法及系统


[0001]本专利技术涉及推荐系统
，特别是涉及一种基于节点类型交互的商品推荐方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]推荐系统通过学习用户偏好，深入挖掘用户的潜在需求，预测用户感兴趣的物品，为用户进行个性化推荐。在网络上，人们可以从多种物品中浏览、选购符合自己要求的物品，但是随着大数据时代的到来，信息量呈爆炸式增长，大体量且类型多样的数据混合在一起，一方面为用户提供了更多的购买选择，另一方面也提高了用户挑选物品、过滤信息的难度，因此对商品的推荐方法及系统旨在分析每位用户的不同需求，从众多物品中为用户进行个性化挑选和推荐，缓解信息过载问题，提升用户的选购体验感。
[0004]基于商品的推荐系统属于一种异质信息网络，它由多种类型的节点、多种型的连接边构成。比如节点包含物品、用户等，连接边包含点击、加购、关注等。节点根据不同的视角分析，又具备不同的属性信息，物品可以拥有衣服、食品、护肤品等属性信息或必需商品和非必需商品等属性信息，用户可以拥有青少年、中老年等属性信息或学生、上班族等属性信息，店铺可以拥有男装、女装等属性信息或服装、美食等属性信息。
[0005]商品推荐的基本步骤是先将用户
‑
商品交互数据与所有辅助信息统一建模为异质信息网络，然后提取网络信息设计合适的推荐模型。基于异质信息网络进行推荐通常使用手工设计元路径提取网络信息，但是该方法复杂性高，且由于异质信息网络中蕴含丰富的语义信息，往往很难用多个元路径穷尽，使用元路径来寻找目标顶点的邻居节点的过程中很容易产生信息丢失的问题。

技术实现思路

[0006]为了解决上述问题，本专利技术提出了一种基于节点类型交互的商品推荐方法及系统，为提高推荐系统获取信息的全面性和准确性，不局限于基于元路径的推荐方法，针对节点类型设计特征转换和交互函数，使得获取到的网络信息更全面，缓解数据稀疏和冷启动的问题。
[0007]为了实现上述目的，本专利技术采用如下技术方案：
[0008]第一方面，本专利技术提供一种基于节点类型交互的商品推荐方法，包括：
[0009]以商品类型、店铺和用户类型为节点，以用户行为为边构建异质信息网络；
[0010]对不同类型的节点进行特征转换后，将所有节点映射到同一特征空间；
[0011]构建用户
‑
商品、用户
‑
店铺、商品
‑
店铺间的类型交互函数，以对特征转换后的节点特征进行不同类型的类型交互，并根据边类型对类型交互后的节点进行赋权；
[0012]对赋权后的节点进行邻居节点信息的聚合，以此更新异质信息网络，采用更新后
的异质信息网络根据商品推荐任务进行商品推荐。
[0013]作为可选择的实施方式，每一类型的节点设计特征转换函数以使每个节点映射到d维向量；节点i经过特征转换后的特征为：其中，h
i
为节点i的初始特征。
[0014]作为可选择的实施方式，用户
‑
商品间的类型交互函数H(a
u
,a
g
)为：
[0015][0016]用户
‑
店铺间的类型交互函数H(a
u
,a
s
)为：
[0017][0018]商品
‑
店铺间的类型交互函数H(a
g
,a
s
)为：
[0019][0020]其中，k
j
、k
i
分别表示进行类型交互的两个不同类型的节点特征。
[0021]作为可选择的实施方式，类型交互后的节点特征包括：
[0022]对于用户类型的节点i，类型交互后的特征h
i
′
(u)表示为：
[0023][0024]对于商品类型的节点i，类型交互后的特征h
i
′
(g)表示为：
[0025][0026]对于店铺类型的节点i，类型交互后的特征h
i
′
(s)表示为：
[0027][0028]其中，为节点i经过特征转换后的特征。
[0029]作为可选择的实施方式，赋权后的节点的特征h
i
″
表示为：其中，h
i
′
为类型交互后的节点特征，是归一化后的权重。
[0030]作为可选择的实施方式，权重为：其中，W是权重矩阵，b是偏置向量。
[0031]作为可选择的实施方式，聚合邻居节点信息后的特征表示为：
[0032][0033]其中，h
i
″
为赋权后的节点的特征，为节点i经过特征转换后的特征，H(a
i
,a
j
)为类型a
i
和类型a
j
的类型交互函数。
[0034]第二方面，本专利技术提供一种基于节点类型交互的商品推荐系统，包括：
[0035]网络构建模块，被配置为以商品类型、店铺和用户类型为节点，以用户行为为边构建异质信息网络；
[0036]特征转换模块，被配置为对不同类型的节点进行特征转换后，将所有节点映射到同一特征空间；
[0037]类型交互模块，被配置为构建用户
‑
商品、用户
‑
店铺、商品
‑
店铺间的类型交互函数，以对特征转换后的节点特征进行不同类型的类型交互，并根据边类型对类型交互后的节点进行赋权；
[0038]信息聚合模块，被配置为对赋权后的节点进行邻居节点信息的聚合，以此更新异质信息网络，采用更新后的异质信息网络根据商品推荐任务进行商品推荐。
[0039]第三方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
[0040]第四方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
[0041]与现有技术相比，本专利技术的有益效果为：
[0042]本专利技术提出一种基于节点类型交互的商品推荐方法及系统，针对节点类型设计类型交互函数，使得获取到的网络信息更全面，缓解数据稀疏和冷启动的问题，而且对推荐的结果也是可解释且有迹可循的。
[0043]大数据包含丰富的语义信息，而通过元路径提取语义信息一般是选择连接关系比较丰富、语义特性比较强的元路径，但是找到这样的元路径需要比较多的领域知识。本专利技术摆脱对元路径的依赖，避免手工设计元路径的复杂性，提取到更全面的网络信息表示。
[0044]本专利技术提出的一种基于节点类型交互的商品推荐方法及系统，专注于提取节点信息，通过保持网络模式的结构特性学习到丰富的语义关本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于节点类型交互的商品推荐方法，其特征在于，包括：以商品类型、店铺和用户类型为节点，以用户行为为边构建异质信息网络；对不同类型的节点进行特征转换后，将所有节点映射到同一特征空间；构建用户
‑
商品、用户
‑
店铺、商品
‑
店铺间的类型交互函数，以对特征转换后的节点特征进行不同类型的类型交互，并根据边类型对类型交互后的节点进行赋权；对赋权后的节点进行邻居节点信息的聚合，以此更新异质信息网络，采用更新后的异质信息网络根据商品推荐任务进行商品推荐。2.如权利要求1所述的一种基于节点类型交互的商品推荐方法，其特征在于，每一类型的节点设计特征转换函数以使每个节点映射到d维向量；节点i经过特征转换后的特征为：其中，h
i
为节点i的初始特征。3.如权利要求1所述的一种基于节点类型交互的商品推荐方法，其特征在于，用户
‑
商品间的类型交互函数H(a
u
,a
g
)为：用户
‑
店铺间的类型交互函数H(a
u
,a
s
)为：商品
‑
店铺间的类型交互函数H(a
g
,a
s
)为：其中，k
j
、k
i
分别表示进行类型交互的两个不同类型的节点特征。4.如权利要求1所述的一种基于节点类型交互的商品推荐方法，其特征在于，类型交互后的节点特征包括：对于用户类型的节点i，类型交互后的特征h
i
′
(u)表示为：对于商品类型的节点i，类型交互后的特征h
i
′
(g)表示为：对于店铺类型的节点i，类型交互后的特征h
i
′
(s)表示为：其中，为节点i经过特征转换后的特征。
5.如权利要求1所述的一种基于节点类型交互的商品推荐方...

【专利技术属性】
技术研发人员：刘婷婷，殷建，
申请(专利权)人：山东大学，
类型：发明
国别省市：