[发明专利]基于图神经网络的产品筛选方法、系统及设备

权利要求书

1.一种基于图神经网络的产品筛选方法，其特征在于，包括：

获取当前产品对应的第一产品信息向量与当前用户对应的第一用户信息向量；

将所述第一产品信息向量与所述第一用户信息向量输入至第一预设产品筛选模型，得到所述第一预设产品筛选模型输出的第一分值；

基于所述第一分值确定与目标分值范围对应的目标产品信息，以显示所述目标产品信息；

其中，所述第一预设产品筛选模型是基于产品信息向量样本、用户信息向量样本与第一分值样本训练得到的；所述第一预设产品筛选模型用于确定与所述第一产品信息向量对应的第二用户信息向量，确定与所述第一用户信息向量对应的第二产品信息向量，并基于所述第二用户信息向量与所述第二产品信息向量确定第一分值。

2.根据权利要求1所述的基于图神经网络的产品筛选方法，其特征在于，所述将所述第一产品信息向量与所述第一用户信息向量输入至第一预设产品筛选模型，得到所述第一预设产品筛选模型输出的第一分值，具体包括：

通过第一预设产品筛选模型对与当前产品节点对应的第一产品信息向量进行聚合，以得到与当前用户对应的邻居信息聚合向量，其中，所述当前产品节点对应的产品为所述当前用户发起当前行为的产品；

对所述邻居信息聚合向量进行累加操作，以得到第二用户信息向量；

对与当前用户节点对应的第一用户信息向量进行聚合，以得到第二产品信息向量；

对所述第二用户信息向量与所述第二产品信息向量进行内积，以得到第一分值。

3.根据权利要求2所述的基于图神经网络的产品筛选方法，其特征在于，所述通过第一预设产品筛选模型对与当前产品节点对应的第一产品信息向量进行聚合，以得到与当前用户对应的邻居信息聚合向量之前，所述基于图神经网络的产品筛选方法还包括：

根据与当前行为对应的行为系数及用户行为交互数量确定与所述当前行为对应的传递系数，其中，所述用户行为交互数量与所述传递系数均与当前用户对应；

相应地，所述对所述邻居信息聚合向量进行累加操作，以得到第二用户信息向量，具体包括：

基于传递系数对所述邻居信息聚合向量进行累加操作，以得到第二用户信息向量。

4.根据权利要求2所述的基于图神经网络的产品筛选方法，其特征在于，所述对所述第二用户信息向量与所述第二产品信息向量进行内积，以得到第一分值，具体包括：

对所述第二用户信息向量进行拼接，以得到用户拼接向量；

对所述第二产品信息向量进行拼接，以得到第一产品拼接向量；

对所述用户拼接向量与所述第一产品拼接向量进行内积，以得到第一分值。

5.根据权利要求1至4中任一项所述的基于图神经网络的产品筛选方法，其特征在于，所述将所述第一产品信息向量与所述第一用户信息向量输入至第一预设产品筛选模型，得到所述第一预设产品筛选模型输出的第一分值之后，所述基于图神经网络的产品筛选方法还包括：

获取邻居产品节点对应的邻居产品信息向量；

将所述邻居产品信息向量输入至第二预设产品筛选模型，得到所述第二预设产品筛选模型输出的第二分值；

相应地，所述基于所述第一分值确定与目标分值范围对应的目标产品信息，以显示所述目标产品信息，具体包括：

对所述第一分值与所述第二分值进行求和，以得到第三分值；

根据所述第三分值确定与目标分值范围对应的目标产品信息，以显示所述目标产品信息；

其中，所述第二预设产品筛选模型是基于邻居产品向量样本与第二分值样本训练得到的；所述第二预设产品筛选模型用于确定与所述邻居产品信息向量对应的第三产品信息向量，并基于所述邻居产品信息向量与所述第三产品信息向量确定第二分值。