[发明专利]基于图网络的商品信息推荐方法及电子设备

说明书

一种基于图网络的商品信息推荐方法，其特征在于，包括：定义有序推荐路径；使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；选择对应于不同所述有序推荐路径的推荐算法；基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息。

技术领域

本发明涉及，特别是指一种基于图网络的商品信息推荐方法及电子设备。

背景技术

随着电子商务的发展，网络购物成为一种趋势，商品信息推荐成了电商挖掘客户需求提高营业额的主要手段。

推荐系统首先收集用户的历史行为数据，然后通过预处理的方法得到用户评价矩阵，再利用机器学习领域中相关推荐技术形成对用户的个性化推荐。有的推荐系统还搜集用户对推荐结果的反馈，并根据实际的反馈信息实时调整推荐策略，产生更符合用户需求的推荐结果。

然而目前的商品信息推荐机制都比较单一且在给定场景中无法对所有用户自动选择合适的推荐算法进行推荐，因此推荐信息不够高效精准。

发明内容

有鉴于此，本发明的目的在于提出一种将多种推荐机制组合可自动针对每个用户给出个性化推荐算法，实现高效精准信息推荐的基于图网络的商品信息推荐方法及电子设备。

基于上述目的，本发明提供了一种基于图网络的商品信息推荐方法，其特征在于，包括：

定义有序推荐路径；

使用注意机制分析所述有序推荐路径的重要性，使用相加操作实现所述有序推荐路径的嵌入，得到基于图嵌入的统一协作过滤框架的目标函数；

选择对应于不同所述有序推荐路径的推荐算法；

基于所述目标函数和所述推荐算法搭建基于图网络的推荐算法选择模型；

训练基于图网络的推荐算法选择模型，得到推荐算法自动选择模型；

使用所述推荐算法自动选择模型选择推荐算法，依据所述推荐算法向用户推荐商品信息；

其中，所述定义有序推荐路径，具体包括：

定义三元组和分别表示第i个用户和第j个商品，p代表连结用户和商品的有序推荐路径，r₁表示用户购买一个商品，r₂表示用户在购买一个商品之前购买了另一个商品，表示用户在购买商品之前买的商品；

其中，所述相加操作具体包括公式：

其中为商品的嵌入向量，为路径的嵌入向量，为所述用户购买一个商品的嵌入向量，为所述用户在购买一个商品之前购买了另一个商品的嵌入向量；

其中，所述基于图嵌入的统一协作过滤框架的目标函数具体包括：

其中，表示所有的用户-商品键对集合，γ0是边缘超参数，为负样例，表示一个不同于的用户，表示和间的距离，表示和间的距离，[x]₊＝max(0；x)返回0和x之间的最大值，是负样例组成的用户-商品键对三元组集合

在一些实施方式中，所述有序推荐路径中的任意两个商品遵守唯一性和有序性，其中：

定义表示用户购买商品的时间；所述有序推荐路径中的任意两个商品表示为

所述唯一性为：p两次经过相同商品，属于不同的购买行为；

所述有序性为：p在经过之前经过了则先于被购买。