【技术实现步骤摘要】
本申请涉及推荐系统，尤其涉及基于图神经网络和长短期记忆会话推荐方法及装置。
技术介绍
1、现有的会话推荐系统主要依赖于机器学习和深度学习两大类方法，这些技术各有特点，在推荐系统领域被广泛应用。然而，这些方法在实际应用中也面临诸多挑战，限制了其性能和效果。以下是对现有技术方案的分析及其存在问题的探讨。
2、(1)机器学习方法
3、传统的机器学习方法在推荐系统中具有悠久的应用历史，其典型技术包括协同过滤、矩阵分解以及基于内容的推荐。协同过滤通过分析用户之间或物品之间的相似性进行推荐，分为用户-用户协同过滤和物品-物品协同过滤；矩阵分解则通过对用户-物品交互矩阵的分解提取潜在特征，进而实现个性化推荐；基于内容的推荐依赖用户和物品的内容信息，挖掘用户偏好，为用户推荐可能感兴趣的内容。
4、尽管这些方法在静态场景中表现出色，但在动态、实时的会话推荐任务中表现出明显局限。首先，这些方法在捕捉用户兴趣动态变化方面存在不足，尤其在短期会话中，难以准确反映用户的即时需求。其次，由于会话推荐任务通常仅基于单一会话数据，这...
【技术保护点】
1.一种基于图神经网络和长短期记忆会话推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述用户历史交互会话输入推荐模型中，输出推荐结果，包括：
3.如权利要求2所述的方法，其特征在于，所述长期兴趣编码器，具体用于：
4.如权利要求3所述的方法，其特征在于，所述短期兴趣编码器，具体用于：
5.如权利要求4所述的方法，其特征在于，长期兴趣解耦模块，具体用于：
6.如权利要求5所述的方法，其特征在于，短期兴趣解耦模块，具体用于：
7.如权利要求6所述的方法，其特征在于，所述融...
【技术特征摘要】
1.一种基于图神经网络和长短期记忆会话推荐方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述用户历史交互会话输入推荐模型中，输出推荐结果，包括：
3.如权利要求2所述的方法，其特征在于，所述长期兴趣编码器，具体用于：
4.如权利要求3所述的方法，其特征在于，所述短期兴趣编码器，具体用于：
5.如权利要求4所述的方法，其特征在于，长期兴趣解耦模块，具体用于：
6.如权利要求5所述的方法，其特征在于，短期兴趣解耦模块，具...
【专利技术属性】
技术研发人员：张鹏飞，欧中洪，王玉贞，朱一凡，辛锐，张啸，商笑然，徐行，陈曦，彭姣，张博，殷娣娣，卢艳艳，赵建斌，刘钰，刘玮，
申请(专利权)人：国网河北省电力有限公司信息通信分公司，
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。