基于超图学习的会话推荐方法技术

本发明专利技术提供一种基于超图学习的会话推荐方法

【技术实现步骤摘要】
基于超图学习的会话推荐方法、装置、电子设备及介质


[0001]本专利技术涉及计算机及人工智能
，尤其涉及一种基于超图学习的会话推荐方法
、
装置
、
电子设备及介质
。

技术介绍

[0002]随着互联网信息的爆炸式增长，作为缓解信息过载问题的有效手段，推荐系统已成为人工智能领域的一个重要研究热点，并广泛应用在电子商务
、
社交媒体
、
影音推荐等各类现实场景中，旨在帮助人们在面对线上平台丰富多样的信息和服务时做出准确的选择，实现用户和平台的双赢
。
[0003]然而，随着社会各界对用户隐私的关注，获取部分用户，尤其是新注册用户或匿名登录用户的历史交互信息存在困难；此外，伴随着碎片化网络时代的到来，用户兴趣多变，在短时间内的近期交互变得尤为重要，依据用户长期交互进行建模的传统推荐系统逐渐显现出在一些现实场景中的局限性
。
在此背景下，会话型推荐被提出，旨在根据用户短时间内的有限历史交互信息建模准确的用户兴趣偏好，从而提供精准的个性化推荐<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于超图学习的会话推荐方法，其特征在于，包括：响应于会话推荐请求，获取用户会话内容，所述会话内容包括会话
、
会话序列及物品，所述物品具有类别标识；对所述会话内容采用基于超图学习的会话推荐模型进行分析，得到会话推荐结果；所述会话推荐模型的训练包括：创建超图，所述超图用于表征所述会话内容的超边，所述超边包括所述物品
、
所述物品在所述会话中的邻居及所述类别标识中至少一种的连接；对所述超图执行超边信息聚合学习，得到第一物品特征；对所述超图执行节点特征学习，得到节点特征，将所述节点特征与反向位置嵌入向量进行聚合处理，得到第二物品特征，所述第二物品特征用于表征用户兴趣偏好，所述反向位置嵌入向量用于表征所述会话中所述物品的重要程度；根据所述第二物品特征从所述候选物品集中查找目标物品，生成所述会话推荐结果
。2.
根据权利要求1所述的基于超图学习的会话推荐方法，其特征在于，所述超图中的所述超边包括会话超边
、
邻居超边和类别超边，所述会话超边用于连接所述会话中的所述物品，所述邻居超边用于连接所述物品及所述物品在所述会话中的邻居，所述类别超边用于连接具有同一所述类别标识的所述物品
。3.
根据权利要求2所述的基于超图学习的会话推荐方法，其特征在于，所述对所述超图执行超边信息聚合学习，得到所述第一物品特征，包括：初始化所述超图中节点的初始嵌入向量，所述节点包括物品节点及邻居节点，所述初始嵌入向量包括嵌入层及嵌入维度；构建所述超边中具有关联关系的所述节点的节点集合，所述关联关系用于表征所述节点具有同一所述超边；对所述节点集合中所述节点的所述超边信息进行所述超边聚合学习，得到所述物品的所述邻居及所述类别信息
。4.
根据权利要求3所述的基于超图学习的会话推荐方法，其特征在于，所述超边聚合学习包括：对节点信息进行超边信息聚合，公式为其中为第
l
层超图学习中的超边信息聚合，为节点集合，为第
l
‑1层超图学习得到的嵌入向量，
i
和
j
为节点的序列标识，
i
为已点击所述物品的所述序列标识，
j
为未点击所述物品的所述序列标识；其中述物品的所述序列标识；其中其中
W0∈R
2d
，
W1,W2∈R
d
×
d
表示训练参数，
[
；
]
为连接操作，
σ
为激活函数，
d
为嵌入维度，
为交互的所述物品的集合，
R
为域
。5.
根据权利要求3所述的基于超图学习的会话推荐方法，其特征在于，所述对所述超图执行节点特征学习，得到节点特征，将所述节点特征与反向位置嵌入向量进行聚合处理，得到第二物品特征，包括：根据所述物品的邻居及所述类别信息，执行节点信息聚合更新，节点信息聚合更新为其中，
W3表示可学习参数，为超参数；将所述会话序列从所述会话超边中进行恢复，得到所述会话中按时间排列的所述第一物品特征；通过反向位置嵌入矩阵对所述会话中的重要程度进行表示，通过超图学习得到的会话中的第一物品特征和位置向量，通过聚合操作以得到第二物品特征，聚合操作的公式为
z
i
＝
tanh(W4[z
i
||p
n
‑
i+1
]+b3)
其中，为
{z1,z2,
…
,z
n
}
，
i
为位置标识，
z
i...

【专利技术属性】
技术研发人员：蔡飞，王祎童，刘登峰，陈洪辉，宋城宇，王思远，罗雪山，陈翀昊，罗爱民，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：