联合图神经网络和卷积神经网络的推荐方法、系统及介质技术方案

本发明专利技术公开了一种联合图神经网络和卷积神经网络的推荐方法、系统及介质，旨在解决目前推荐算法忽略了用户与物品的评论数据中存在的一般偏好的问题，方法包括：获取用户产品ID和用户产品评论信息，并将ID特征以及评论文本特征进行嵌入表示；采用LightGCN基础网络，同时增加注意力机制来提取用户和物品之间的高阶关系特征；采用传统深度学习网络从评论文本特征中提取出用户和物品的一般偏好特征；将用户和物品之间的高阶关系特征和用户和物品的一般偏好特征进行融合，获得最终特征表达，最终形成用户对物品的评分推荐。本发明专利技术的方法能够将用户‑物品的高阶和一般偏好特征相结合，增强了用户‑物品特征的表达，并提高了推荐的效果。

【技术实现步骤摘要】

本专利技术涉及计算机应用，具体涉及一种联合图神经网络和卷积神经网络的推荐方法、系统及介质。

技术介绍

1、随着科技的快速发展，互联网的迅猛发展带来了信息过载问题。这使得用户从大量信息中获取所需信息变得极为困难。推荐系统作为解决信息过载问题的重要工具，能够帮助用户找到他们感兴趣的内容。推荐系统的分数预测可以被视为矩阵完成任务，即基于矩阵中的现有数据填补矩阵中的缺失部分。然而，观察到的用户行为数据非常稀疏。如何准确地比较预测未观察到的数据一直是推荐系统研究中的关键主题。

2、现有公开号为cn114201682a的中国专利，公开了融合社交关系和语义关系的图神经网络推荐方法及系统，利用简单的图神经网络推荐模型，基于用户社交信息、用户与项目的评分交互信息、项目的标签信息，将非图结构的信息构建成图信息；利用项目的标签信息，对项目的标签进行聚类；计算项目与标签簇之间的相关度，利用相关度矩阵，进行余弦相似度的计算，当相似度大于某一阈值时，在两个项目之间添加信任关系，构成项目的语义关系图结构。但是公开号为cn114201682a的中国专利仅仅利用简单的图神经网络本文档来自技高网...

【技术保护点】

1.一种联合图神经网络和卷积神经网络的推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤S2包括：

3.根据权利要求1或2所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤S3包括：

4.根据权利要求3所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤S4包括：

5.根据权利要求2或4所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述最终用户的关联关系特征表达式为：

6.根据权利要求3所述的联合图神经网络和卷积神经...

【技术特征摘要】

1.一种联合图神经网络和卷积神经网络的推荐方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤s2包括：

3.根据权利要求1或2所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤s3包括：

4.根据权利要求3所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述步骤s4包括：

5.根据权利要求2或4所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述最终用户的关联关系特征表达式为：

6.根据权利要求3所述的联合图神经网络和卷积神经网络的推荐方法，其特征在于，所述用户的...

【专利技术属性】
技术研发人员：王辉，
申请(专利权)人：华信咨询设计研究院有限公司，
类型：发明
国别省市：