[发明专利]一种基于重复搜索机制的项目推荐方法

说明书

本申请公开了一种基于重复搜索机制的项目推荐方法、装置、设备及可读存储介质，该方案基于图神经网络和重复搜索机制来实现项目推荐，首先将用户在当前会话中交互的项目序列作为会话图进行处理，每个项目都被编码为图结构数据；然后，应用注意机制层捕获当前会话中用户的主要目的，确定当前会话属于重复行为模式和探索行为模式的概率分布；最后，利用重复搜索机制确定候选项目分别在重复行为模式和探索行为模式的得分，并据此确定候选项目的最终得分，以决定是否向用户推荐该候选项目。可见，该方案通过分别考虑重复行为模式和探索行为模式两种情形，能够更精准的预测用户行为，提升推荐效果。

技术领域

本申请涉及计算机技术领域，特别涉及一种基于重复搜索机制的项目推荐方法、装置、设备及可读存储介质。

背景技术

推荐系统在人们的日常生活中发挥着重要的作用，在许多实际应用中，推荐系统帮助用户缓解信息过载的问题，并推荐用户可能感兴趣的产品。现有的推荐系统大多基于用户的历史交互或其他用户的信息，然而，在许多情况下，用户的个人资料和过去的活动并没有被记录下来，我们所拥有的只是一组发生在用户会话中的交互数据。

近年来，图形神经网络(GNN)得到了长足的发展，在学习图形数据的有意义表示时得到了很好的应用。GNN的核心思想是利用神经网络对局部图节点的特征信息进行聚类，GNN自然地整合了节点信息，并被证明在表示学习中具有重要影响。对于基于会话的推荐，相关学者通过将会话的项序列建模为会话图，利用GNN捕捉项的复杂转换，生成精确的项嵌入向量。基于实际的项目嵌入，GNN学习可靠的向量表示，并更精确地预测下一个单击的项目。

虽然上述推荐方案在基于会话的推荐方面取得了很大的进展，但仍然存在一定的局限性，他们都没有注意到所谓的重复推荐，因此推荐效果不是很理想。重复推荐在基于会话的推荐中占很大比例，例如，人们在网上购物时可能会反复浏览产品信息几次，我们往往会在一天中频繁地听相同的音乐。

综上，现有的基于会话的推荐方案没有考虑重复推荐，导致推荐效果较差。

发明内容

本申请的目的是提供一种基于重复搜索机制的项目推荐方法、装置、设备及可读存储介质，用以解决现有的基于会话的推荐方案没有考虑重复推荐，导致推荐效果较差的问题。具体方案如下：

第一方面，本申请提供了一种基于重复搜索机制的项目推荐方法，包括：

获取当前用户在当前会话中访问过的项目序列；利用图神经网络确定所述项目序列中各个项目的向量表示；

利用第一注意力机制层，根据所述项目序列中各个项目的向量表示，确定所述当前会话属于重复行为模式和探索行为模式的概率分布；其中，所述重复行为模式指所述当前用户下一次访问的项目为所述项目序列中的项目的情况，所述探索行为模式指所述当前用户下一次访问的项目并非所述项目序列中的项目的情况；

利用第二注意力机制层，根据所述项目序列中各个项目的向量表示，确定候选项目在重复行为模式下的得分；

利用第三注意力机制层，根据所述项目序列中各个项目的向量表示，确定所述候选项目在探索行为模式下的得分；

根据所述概率分布、所述候选项目在重复行为模式下的得分、所述候选项目在探索行为模式下的得分，确定所述候选项目的最终得分；在所述最终得分满足预设要求时，向所述当前用户推荐所述候选项目。

优选的，所述利用图神经网络确定所述项目序列中各个项目的向量表示，包括：

确定所述项目序列中各个项目的初始的向量表示；

利用图神经网络对所述项目序列中各个项目的向量表示进行目标次数的迭代更新，得到最终的所述项目序列中各个项目的向量表示，其中所述目标次数等于所述项目序列中的项目数量。