【技术实现步骤摘要】
本专利技术涉及会话推荐，具体地说是一种基于时间间隔的双通道图神经网络会话推荐方法及系统。
技术介绍
1、随着互联网上信息的爆炸式增长，推荐系统被广泛应用在各种平台，以缓解网络上的信息过载的问题。传统的推荐方法利用用户的身份信息和长期历史交互来推断他们感兴趣的内容，但是在实际场景中为未登录的用户或那些具有短期交互历史的用户进行推荐可能会失败。基于会话的推荐是根据给定的匿名会话序列，按时间顺序预测下一个感兴趣的项目，因此受到了越来越多的关注。基于会话的推荐系统为匿名用户在当前正在进行的会话中的交互行为进行即时推荐，主要任务是预测匿名目标用户的下一次交互行为，如点击、浏览或购买。
2、基于会话的推荐最早的方法采用马尔可夫链，fpmc(factorizing personalizedmarkov chains for next-basket recommendation)，通过基于矩阵分解和一阶马尔可夫链组合的方法来捕获序列模式和长期用户偏好，通过对会话序列中的序列模式建模来预测下一个用户的兴趣，以进行推荐。由于其时序假设为下一个项目完全基于前一个项目，所以它不能捕获到长期的序列依赖性，具有一定的局限性。
3、为了克服传统推荐方法的局限性，近年来，能够对序列数据建模的深度学习方法已被用在基于会话的推荐上。基于rnn的模型考虑会话中较长的项目序列，gru4rec(session-based recommendations with recurrent neural networks)首先引入了基于rnn的推荐模型到
4、综上所示，现有的研究没有充分考虑到时间间隔可以反映出用户偏好的问题，忽视了时间间隔的重要性；同时如何准确地对用户的长期偏好和短期偏好进行建模是会话推荐的一项重要的挑战；此外，用户的交互会话长度通常较短，因此存在一定的数据稀疏性问题。
技术实现思路
1、本专利技术的技术任务是提供一种基于时间间隔的双通道图神经网络会话推荐方法及系统，来解决如何利用时间间隔信息判断用户偏好、如何准确地判断用户长期偏好和短期偏好以及数据稀疏性的问题。
2、本专利技术的技术任务是按以下方式实现的，一种基于时间间隔的双通道图神经网络会话推荐方法，该方法具体如下：
3、根据数据集中的会话数据构建带有时间间隔信息的会话图；
4、利用数据集中的当前会话的邻居会话信息构建全局图；
5、基于时间间隔信息的会话图学习会话级的项目嵌入表示，捕捉用户的短期偏好；
6、基于全局图采用轻量级方法学习全局级的项目嵌入表示，捕捉用户的长期偏好；
7、基于会话级的项目嵌入表示和全局级的项目嵌入表示通过双通道会话表示学习层获取会话级的会话嵌入表示和全局级的会话嵌入表示，同时学习用户的长期偏好和短期偏好，并通过反向位置信息修正用户的长期偏好；
8、将会话级的会话嵌入表示和全局级的会话嵌入表示利用对比学习技术进行数据增强，解决数据稀疏性的影响；
9、将会话级的会话嵌入表示和全局级的会话嵌入表示进行嵌入组合，并进行用户偏好预测及优化。
10、作为优选，根据数据集中的会话数据构建带有时间间隔信息的会话图具体如下：
11、对于会话序列中的所有时间间隔，使用最新的点击项目时间ts,n分别减去所有项目的点击时间，具体为：给定匿名会话序列s，得到ts＝[ts,1,ts,2,…,ts,n]；将时间间隔表示为|ts,n-ts,k|，并将时间间隔|ts,n-ts,k|除以当前序列中最长的时间间隔(除了0)获得归一化的时间间隔表示rs＝[rs,1,rs,2,…,rs,n]；其中，1≤k≤n；
12、对于每个会话序列s＝[vs,1,vs,2,…,vs,n]，构造一个加权有向图模拟当前会话中相邻项目的模式；其中，和εs分别是节点集和边集，rs是对应的时间间隔表示；(vs,i,vs,j)表示在节点vs,i和vs,j之间存在相邻边，(vs,i,vs,j)∈εs；为了在会话图中更精准捕获项目之间的关系，边集包括四种类型的边，分别是ein、eout、ein-out和eself；ein表示输入边，存在从vi到vj的过渡；eout表示输出边；ein-out表示输入边减去输出边，代表存在从vi到vj或vj到vi的边,eself表示在项目本身中有一个循环转换，ein、eout、ein-out和eself有助于在会话级别捕获项目之间的关系；
13、创建一个初始嵌入矩阵w0，将每个节点vs,i映射到向量中；其中，d是节点的嵌入维数；同时，将时间间隔嵌入到相同的维度中，表示为
14、利用本文档来自技高网...
【技术保护点】
1.一种基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，该方法具体如下：
2.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，根据数据集中的会话数据构建带有时间间隔信息的会话图具体如下：
3.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于时间间隔信息的会话图学习会话级的项目嵌入表示，捕捉用户的短期偏好具体如下：
4.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于全局图采用轻量级方法学习全局级的项目嵌入表示，捕捉用户的长期偏好具体如下：
5.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于会话级的项目嵌入表示和全局级的项目嵌入表示通过双通道会话表示学习层获取会话级的会话嵌入表示和全局级的会话嵌入表示，同时学习用户的长期偏好和短期偏好，并通过反向位置信息修正用户的长期偏好具体如下：
6.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，将会话级的会话嵌入表示和全局级
7.根据权利要求1-6中任一项所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，将会话级的会话嵌入表示和全局级的会话嵌入表示进行嵌入组合，并进行用户偏好预测及优化具体如下：
8.一种基于时间间隔的双通道图神经网络会话推荐系统，其特征在于，该系统用于实现如权利要求1-7中任一项所述的基于时间间隔的双通道图神经网络会话推荐方法；该系统包括：
9.一种电子设备，其特征在于，包括：存储器和至少一个处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序可被处理器执行以实现如权利要求1至7中任一项所述的基于时间间隔的双通道图神经网络会话推荐方法。
...【技术特征摘要】
1.一种基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，该方法具体如下：
2.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，根据数据集中的会话数据构建带有时间间隔信息的会话图具体如下：
3.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于时间间隔信息的会话图学习会话级的项目嵌入表示，捕捉用户的短期偏好具体如下：
4.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于全局图采用轻量级方法学习全局级的项目嵌入表示，捕捉用户的长期偏好具体如下：
5.根据权利要求1所述的基于时间间隔的双通道图神经网络会话推荐方法，其特征在于，基于会话级的项目嵌入表示和全局级的项目嵌入表示通过双通道会话表示学习层获取会话级的会话嵌入表示和全局级的会话嵌入表示，同时学习用户的长期偏好和短期偏好，并通过反向位置信息修正用户的...
【专利技术属性】
技术研发人员：袁卫华，曹家伟，潘华丽，邹丽，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。