【技术实现步骤摘要】
本专利技术涉及新闻推荐，尤其涉及一种基于交互式异构图神经网络的个性化新闻推荐方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、个性化新闻推荐是通过预测新闻文章与用户之间相关性，向用户推荐新闻文章以满足其信息需求的过程。与其他领域的推荐相比，新闻推荐具有更大的挑战性，因为新闻文章的时效性、新颖性等自然特征导致了其高度动态变化的特性，例如，新闻文章的相关性会发生快速变化。这样的系统不仅能帮助用户过滤海量新闻，还能采用个性化算法，主动推荐符合用户真正兴趣的新闻条目，从而极大地满足用户的信息需求。
3、近年来，基于图神经网络的技术得到了快速发展，深度学习领域关于图神经网络的研究热情日益高涨，图神经网络已经成为各大深度学习顶会的研究热点。图神经网络处理非结构化数据时的出色能力使其在网络数据分析、推荐系统、物理建模、自然语言处理和图上的组合优化问题方面都取得了新的突破，并为新闻推荐中增强基于内容的解决方案带来了新的机遇，因为这些技术具有处理结构化数据的强大能力，并能...
【技术保护点】
1.一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，包括：获取用户历史新闻和候选新闻；
2.如权利要求1所述的一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，所述对用户历史新闻和候选新闻分别进行词嵌入和实体嵌入，分别得到用户历史新闻和候选新闻的词嵌入向量序列和实体嵌入向量序列，具体为：
3.如权利要求1所述的一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，通过所述协同融合模块，将所述用户历史新闻和候选新闻的词嵌入向量序列通过CNN层和Transformer层来学习局部和全局表示，获得带有语义交互信息的用...
【技术特征摘要】
1.一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，包括：获取用户历史新闻和候选新闻；
2.如权利要求1所述的一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，所述对用户历史新闻和候选新闻分别进行词嵌入和实体嵌入，分别得到用户历史新闻和候选新闻的词嵌入向量序列和实体嵌入向量序列，具体为：
3.如权利要求1所述的一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，通过所述协同融合模块，将所述用户历史新闻和候选新闻的词嵌入向量序列通过cnn层和transformer层来学习局部和全局表示，获得带有语义交互信息的用户历史新闻表征，具体为：
4.如权利要求1所述的一种基于交互式异构图神经网络的个性化新闻推荐方法，其特征在于，所述将用户历史新闻表征按照时间相邻性形成异构用户图，采用多层ggnn对异构图进行编码，得到用户表征，具体为：
5.如权利要求1所述的一种基于交互式异构图神经网络的个性...
【专利技术属性】
技术研发人员：刘嵩，石成龙，孔赞，耿海彬，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。