基于图神经网络的捆绑包推荐方法及系统技术方案

本发明专利技术公开了一种基于图神经网络的捆绑包推荐方法及系统，所述方法包括：根据部分用户与部分捆绑包的交互数据分别构建直接偏好图和协作偏好图，根据所有物品与所有用户和所有捆绑包的交互数据，构建物品层级偏好超图；将直接偏好图、协作偏好图和物品层级偏好超图统称为多视图；将多视图和初始化的节点表示输入图卷积网络中，分别得到每个卷积层输出的融合节点表示，进而得到融合视图最终的节点嵌入表示，融合视图最终的节点嵌入表示为图卷积网络的输出；根据所有用户、所有捆绑包以及优化的图卷积网络输出的融合视图最终的节点嵌入表示，预测得到每个用户对应的捆绑包的推荐列表。本发明专利技术实现了捆绑包最优的推荐效果。

【技术实现步骤摘要】

本专利技术属于人工智能机器学习，特别是涉及一种基于图神经网络的捆绑包推荐方法、系统、电子设备及计算机可读存储介质。

技术介绍

1、推荐一个捆绑包(即一组相互搭配的物品)引起了学术界和工业界的广泛关注。与推荐单个物品相比，捆绑包推荐任务更具有挑战性。捆绑包推荐已经广泛应用在各个领域，例如电子商务、在线音乐平台、视频流媒体平台、图书推荐、旅游推荐等等。捆绑包推荐鼓励用户一次性消费多个商品，从而提高企业的销售利润；同时，用户也能获取到更多样化的商品，提高了消费体验和满意度。

2、目前的研究表明，推荐捆绑包面临以下的问题：(一)现有技术难以模拟用户、捆绑包、物品之间复杂的三元交互关系；(二)现有技术松散地结合从不同视图学习得到的节点表示，导致噪声信息的混入；因此导致现有方法的次优的推荐效果。

技术实现思路

1、为了解决上述现有技术的不足，本专利技术提供了一种基于图神经网络的捆绑包推荐方法、系统、电子设备及计算机可读存储介质，通过构建多个视图建模复杂的三元交互关系，挖掘多样化的用户偏好；并融合从多视图中学习本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的捆绑包推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的捆绑包推荐方法，其特征在于，根据部分用户与部分捆绑包的交互数据，基于协同过滤算法构建协作偏好图，包括：

3.根据权利要求1所述的捆绑包推荐方法，其特征在于，所述根据所有物品与所有用户和所有捆绑包的交互数据，构建物品层级偏好超图，包括：

4.根据权利要求1～3任一项所述的捆绑包推荐方法，其特征在于，所述将多视图和初始化的节点表示输入图卷积网络中，分别得到每个卷积层输出的多视图中各视图学习的节点表示，包括：

5.根据权利要求1～3任一项所述的捆绑包推荐方...

【技术特征摘要】

1.一种基于图神经网络的捆绑包推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的捆绑包推荐方法，其特征在于，根据部分用户与部分捆绑包的交互数据，基于协同过滤算法构建协作偏好图，包括：

3.根据权利要求1所述的捆绑包推荐方法，其特征在于，所述根据所有物品与所有用户和所有捆绑包的交互数据，构建物品层级偏好超图，包括：

4.根据权利要求1～3任一项所述的捆绑包推荐方法，其特征在于，所述将多视图和初始化的节点表示输入图卷积网络中，分别得到每个卷积层输出的多视图中各视图学习的节点表示，包括：

5.根据权利要求1～3任一项所述的捆绑包推荐方法，其特征在于，所述融合权重的计算公式为：<...

【专利技术属性】
技术研发人员：陶乾，刘承昊，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：