一种基于图神经网络的神经时间门自适应融合会话推荐方法技术

本发明专利技术公开了一种基于图神经网络的神经时间门自适应融合会话推荐方法。本模型分为五个层次：会话图构建层、会话嵌入层、注意力网络层、神经时间门层和评分预测层，具体包括：将用户历史会话点击序列作为输入来构建会话图；通过图神经网络学习项目在会话图上的嵌入，得到项目嵌入的向量表示；所有项目向量输入注意力网络，分别提取出用户的长期偏好和短期偏好；通过神经时间门融合长期偏好和短期偏好，生成最终的偏好嵌入；融合项目嵌入与最终的偏好嵌入，输入到归一化指数函数以对候选项目进行评分预测。本发明专利技术主要提出了一个基于神经时间门的长期偏好和短期偏好在维度层面的细粒度融合的方法，学习到更有代表性和更全面的融合偏好嵌入，使模型能挖掘到更精准的用户偏好，提高推荐系统的关键性能。高推荐系统的关键性能。高推荐系统的关键性能。

【技术实现步骤摘要】
一种基于图神经网络的神经时间门自适应融合会话推荐方法


[0001]本专利技术属于推荐系统领域，涉及图神经网络、深度学习
，尤其涉及基于图神经网络的会话推荐方法。

技术介绍

[0002]随着技术的进步和在线服务的普及，人们能够以更快的方式获取大量的在线信息。然而，最近普适计算的发展导致了在线数据过载问题。因此，推荐系统的发展近来受到了极大的关注。一般而言，推荐系统充当信息过滤工具，为用户提供合适的个性化内容或信息。在推荐系统里，通常利用用户和物品的所有历史交互来学习用户对项目的偏好，基于会话的推荐正是这样的存在。其作为主要的推荐系统类别之一，需进一步发展以提供适用于不同应用场景的更高效的推荐。
[0003]会话是由一个时间段内用户的交互行为序列构成，基于会话的推荐是基于当前历史会话序列来推荐用户下一个点击的物品。由于会话内的点击序列是有序的，所以在对项目建模时考虑其时间顺序是非常必要的。作为一种特殊的推荐场景，基于会话的推荐一直以来有很多学者在对其研究。传统的方法主要是采用基于相似性或者马尔可夫链来生成推荐，但前者忽略了会话的顺序信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的神经时间门自适应融合会话推荐方法，其特征在于，包括以下步骤：1)、会话图构建层：将用户的历史会话点击序列作为输入，构建成会话图；2)、会话嵌入层：通过图神经网络学习项目在会话图上的嵌入，得到项目嵌入的向量表示；3)、注意力网络层：所有项目向量输入注意力网络，分别提取出用户的长期偏好和短期偏好；4)、神经时间门层：神经时间门融合长期偏好和短期偏好，生成最终的偏好嵌入；5)、评分预测层：融合项目嵌入与最终偏好嵌入，其结果输入归一化指数函数，对候选项目进行评分预测。2.根据权利要求1所述的一种基于图神经网络的神经时间门自适应融合会话推荐方法，其特征在于，所述步骤1)包括：在数据处理方面，本模型主要基于图神经网络方法，需将用户原始的历史会话点击序列构建成具有原序列对应关系的会话图，使其更好地表示出原序列中的各个项目及其复杂的转换关系，具体如下：将所有会话中的唯一项表示为一个集合V＝{v1,v2,...,v
m
}，s＝[v
s,1
,v
s,2
,...,v
s,n
]表示按时间戳排序的匿名会话序列，其中v
s,i
∈V表示用户在会话s内点击的第i个项目，以项目v
s,i
∈V为会话图G
s
的节点，(v
s,i
‑1,v
s,i
)∈ε
s
为会话图G
s
的有向边，其边的方向代表一个用户在点击v
s,i
‑1之后点击v
s,i
，将每个会话序列s构建成一个有向图G
s
＝(V
s
,ε
s
)。3.根据权利要求1所述的一种基于图神经网络的神经时间门自适应融合会话推荐方法，其特征在于，所述步骤2)包括：为了更好地处理图结构数据，引入了门控图神经网络方法。在考虑丰富节点连接的情况下，能够自动提取会话图的特征向量，即通过图神经网络学习项目在会话图上的嵌入向量v
i
，其学习过程具体如下：将会话图中的每一个项目的特征表示到一个统一的空间中，得到的向量即为利用GNN得到的d维项目嵌入v
i
，采用更适合处理序列数据的门控图神经网络对图G
s
的节点进行更新，其计算过程为：其中，被定义为两个相邻的序矩阵和的级联，表示会话图的传入和传出边的加权连接。邻接矩阵A
s
区分了有向图中边的类型，定义了有向图中的节点如何通过传入和传出的边相互连接。为A
s
中的第i行，代表节点v
s,i
的出度值和入度值。此外，由于会话序列中可能出现重复项，因此需要对每条边计算一个归一化的赋值，该边的初始值除以该节点的传入或传出边的数量。以上即为通过节点的入度值和出度值聚合其邻居节点的特征信息。其中，是聚合信息后节点的状态向量，是会话s中的节点向量的拼接矩阵，是可学习的权重矩阵，是偏差向量。是偏差向量。其中，是可学习的权重矩阵，σ(
·
)是sigmoid函数，将连续值映射到
(0,1)之间。和分别是重置门和更新门，重置门过滤掉前一时刻节点状态与当前节点状态无关的部分，更新门决定以前的状态信息保存到当前时间步的内容。态无关的部分，更新门决定以前的状态信息保存到当前时间步的内容。其中，是可学习的权重，tanh(
·
)表示双曲正切函数，
⊙
是元素相乘。通过前一状态当前状态和重置门构造候选状态在更新门的控制下，将前一个隐藏状态和候选状态组合，不断更新会话图中的所有节点直到收敛之后，获得最终状态的节点向量，图中的节点对应序列中的不同项目，即得到项目嵌入的向量表示v
i
。4.根据权利要求1所述的一种基于图神经网络的神经时间门自适应融合会话推荐方法，其特征在于，所述步骤3)包括：为了更好的预测用户的下一次点击，精准提取用户偏好，制定...

【专利技术属性】
技术研发人员：陈乔松，胡静，黄泽锰，汪祝，周俊丞，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：