[发明专利]基于图卷积网络模型的面向群组对象的推荐方法

说明书

本发明公开了一种基于图卷积网络模型的面向群组对象的推荐方法，该方法包括：首先对已有的群组与商品，用户与商品的历史交互数据以及群组与用户的关系进行建模，分别获得三个群组‑商品交互、用户‑商品交互、群组‑用户关系二部图。之后利用图卷积网络模型提取三个图用户、群组、商品的特征信息，再将提取的特征表示融合得到完整的用户、群组、商品的特征表示，最后利用特征表示预测群组与待推荐商品交互的可能性大小，按可能性大小对商品进行排列，将前K个商品推荐给群组。本发明将图卷积网络模型应用于群组推荐领域，在提高群组推荐效果的同时，也提升了个体用户的推荐效果，从而实现总体上更优质的推荐服务体验。

技术领域

本发明属于推荐算法技术领域，特别涉及一种基于图卷积网络模型的面向群组对象的推荐方法。

背景技术

面向群组对象的推荐方法(Group Recommendation)是指基于群组内用户的需求兴趣，以用户允许识别符合他们的需求、偏好、品味和目标为基础，查找对整个群组有益、感兴趣的商品推荐。在群组推荐的实现过程中，群组内用户与用户之间的关系，用户的活跃度，用户对群组决定权大小等等扮演着重要对角色，可以说，群组推荐是综合了各种因素的用户与推荐服务关系传递的抽象与凝练。群组推荐具有自组织、低耦合、可组合和可替换等特性。

面对日益复杂的群组推荐服务，现有的面对群组的推荐方法已经不能满足群组的复杂需求。已有的群组推荐方法分为两类，基于记忆的和基于模型的方法。基于记忆的方法把群组内的用户偏好属性融合在一起，作为群组的偏好属性，或者把对群组内每个用户产生一个推荐商品列表，然后将这些列表根据某些特定的策略融合在一起得到群组的一个推荐商品列表。这类方法的融合策略往往是预先制定好的，例如使群组中用户的最大满意度达到最高的maximum satisfaction策略。然而这种策略是不灵活的，无法适用于所有场景。基于模型的方法对整个群组决策的过程进行建模，Quan Yuan(2014)基于贝叶斯概率理论，提出了COM模型来模拟群组的生成决策过程[Yuan Q,Cong G,Lin C Y.COM:a generativemodel for group recommendation[C]//Proceedings of the 20th ACM SIGKDDinternational conference on Knowledge discovery and data mining.ACM,2014:163-172.]。Cao Da(2018)基于注意力机制，从用户的历史交互数据中动态的学习群组中用户偏好融合的策略，作为群组决策过程的依据。[Cao D,He X,Miao L,et al.Attentive grouprecommendation[C]//The 41st International ACM SIGIR Conference on ResearchDevelopment in Information Retrieval.ACM,2018:645-654.]。无论是基于贝叶斯理论还是基于注意力机制，单一的对群组决策的过程建模都不能完全刻画整个群组的特征，其忽视了群组与群组之间的协同信息，即对于包含共同用户，或者与同一个物品交互过的两个群组，在决策上具有相似性。

发明内容

本发明的目的在于针对现有群组推荐技术存在缺陷，提供一种基于图卷积模型的面向群组对象的推荐方法。

实现本发明目的的技术解决方案为：一种基于图卷积网络模型的面向群组对象的推荐方法，包括以下步骤：

步骤1、根据群组与用户的关系构建群组-用户关系二部图Graph_R，根据群组与商品的历史交互行为记录构建群组-商品交互二部图Graph_G，根据用户与商品的历史交互行为记录构建用户-商品交互二部图Graph_U；