一种会话推荐方法、装置、设备和计算机存储介质制造方法及图纸

本发明专利技术提供了一种会话推荐方法、装置、设备和计算机存储介质，包括：获取物品集合和会话集合；获取物品集合的第一特征矩阵，并利用物品集合的超图神经网络对物品集合的第一特征矩阵进行超图卷积处理，得到物品集合的第二特征矩阵；将物品集合的第二特征矩阵输入多层自注意力网络进行学习，得到会话集合的第一特征矩阵；利用会话集合构建图注意网络，并将会话集合的第一特征矩阵输入图注意网络进行学习，得到会话集合的第二特征矩阵；利用物品集合的第二特征矩阵和会话集合的第二特征矩阵计算每个物品的推荐得分，并利用每个物品的推荐得分和推荐真实值计算损失函数，其通过超图神经网络、多层自注意力网络和图注意网络的结合提高了推荐准确性。合提高了推荐准确性。合提高了推荐准确性。

【技术实现步骤摘要】
一种会话推荐方法、装置、设备和计算机存储介质


[0001]本专利技术涉及会话推荐
，特别是涉及一种会话推荐方法、装置、设备和计算机存储介质。

技术介绍

[0002]随着互联网的发展，推荐系统成为了帮助用户获取有效信息的重要方法，在消费、服务和决策制定等方面正发挥着重要作用。目前，大部分的推荐系统是根据用户的浏览记录等浏览信息进行推荐，但是很多用户浏览信息时往往采用匿名登录，其使现有的推荐系统不能准确的获取用户的信息，导致推荐的准确性降低，为了解决上述问题，产生了一种新的推荐系统
‑
即会话推荐系统。
[0003]会话推荐系统是利用用户在浏览信息的过程中产生的会话(session)数据来挖掘和学习用户的偏好。每一个会话包含在一段连续的时间段内发生的多个「用户
–
物品交互行为」，例如，用户在一次交易会话(比如从登录电商平台的账号到退出账号这段时间)中购买了一篮子商品。基于会话的推荐系统(本文中也称为会话推荐系统)将每一个会话作为最基本的输入数据单元，能够从用户的最近产生的会话中捕获他的短期偏好，从而进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种会话推荐方法，其特征在于，包括：S1：获取物品集合和会话集合，所述会话集合包括多个会话，每个所述会话包括至少部分所述物品集合中的物品；S2：获取物品集合的第一特征矩阵，并利用所述物品集合的超图神经网络对物品集合的第一特征矩阵进行超图卷积处理，得到所述物品集合的第二特征矩阵；S3：将所述物品集合的第二特征矩阵输入多层自注意力网络进行学习，得到所述会话集合的第一特征矩阵；S4：利用所述会话集合构建图注意网络，并将所述会话集合的第一特征矩阵输入所述图注意网络进行学习，得到所述会话集合的第二特征矩阵；S5：利用所述物品集合的第二特征矩阵和所述会话集合的第二特征矩阵计算每个物品的推荐得分，并利用每个物品的推荐得分和推荐真实值计算损失函数；S6：判断所述损失函数是否满足损失阈值，如不满足，重复步骤S2
‑
S5，直到所述损失函数满足损失阈值，并将推荐得分大于推荐阈值的物品作为推荐结果。2.根据权利要求1所述的会话推荐方法，其特征在于，步骤S2包括：S21：获取物品集合S＝{s1,s2,
…
,s
N
}的第一特征矩阵X＝{x1,x2,
…
,x
N
}，其中：N为物品的个数，s
i
表示第i个物品，x
i
表示物品s
i
的第一特征向量；S22：利用物品集合S构建超图神经网络G＝(V,E,W)，其中：V是超图神经网络中节点的集合，E是超图神经网络中超边的集合，W为超边的权重矩阵；S23：利用所述超图神经网络G＝(V,E,W)对所述物品集合S的第一特征矩阵X进行超图卷积处理，得到所述物品集合S的第二特征矩阵X
′
＝{x
′1,x
′2,
…
,x
′
N
}。3.根据权利要求2所述的会话推荐方法，其特征在于，步骤S23包括：S231：获取所述超图神经网络G＝(V,E,W)的关联矩阵H，且H＝|V|
×
|E|，且当v∈e时，h(v,e)＝1，其中：v为所述超图神经网络中的节点，e为所述超图神经网络中的超边；S232：利用所述关联矩阵H计算所述超图神经网络G＝(V,E,W)中节点的度矩阵D
v
和超边的度矩阵D
e
，且D
v
＝{d(v1),d(v2),
…
,d(vn)}，D
e
＝{d(e1),d(e2),
…
,d(en)}，其中：d(v)＝∑
e∈E
ω(e)h(v,e)，d(e)＝∑
v∈V
h(v,e)；S233：利用节点的度矩阵D
v
、超边的度矩阵D
e
、关联矩阵H以及超边的权重矩阵W计算所述物品集合S的第二特征矩阵X
′
＝{x
′1,x
′2,
…
,x
′
N
}，且计算公式为：其中：X
′
(l+1)
为所述超图神经网络第(l+1)层的特征，X
′
(l)
为所述超图神经网络第l层的特征，θ
(l)
所述超图神经网络第l层的权重矩阵。4.根据权利要求3所述的会话推荐方法，其特征在于，步骤S3包括：S31：利用所述物品集合S的第二特征矩阵X
′
获得所述物品集合S的第三特征矩阵X
″
＝{x
″1,x
″2,
…
,x
″
N
}，且其中：x
″
i
表示物品s
i
的第三特征向量，W
Q

【专利技术属性】
技术研发人员：丁美荣，林晓康，李嘉展，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：