[发明专利]一种基于异质重边信息网络翻译模型的产品推荐方法

权利要求书

1.一种基于异质重边信息网络翻译模型的产品推荐方法，其特征在于：包括以下步骤：

步骤S1，将异质重边信息网络中节点对之间的多元重边关系采用注意力机制进行融合表示空间学习；

步骤S2，将异质节点的类型信息投影到多元重边关系融合表示空间；

步骤S3，在多元重边关系融合表示空间上利用翻译机制提出异质重边的嵌入模型，实现异质节点、关系的分布式表示；

步骤S4，基于节点的表示和多元重边关系的融合表示空间进行节点预测。

2.根据权利要求1所述的一种基于异质重边信息网络翻译模型的产品推荐方法，其特征在于：所述步骤S1，将异质重边信息网络中节点对之间的多元重边关系采用注意力机制进行融合表示空间学习还包括以下步骤：

步骤S1.1设异质信息网络G＝(V,E)，其中V为节点的集合，E为边的集合；在异质信息网络中，存在节点集合V到节点类型集合T的映射ψ:V→T以及边集合E到边类型集合A的映射且|T|+|A|＞2；

步骤S1.2设异质重边信息网络G'＝(V',E')，其中V'为节点的集合，E'为边的集合；存在节点集合V'到节点类型集合T的映射ψ':V'→T以及边集合E'到边类型集合A的映射且|T|+|A|＞2；若同时存在二元组(u,v)∈E'，且关联节点对(u,v)的边数多于1条，则称G'为异质重边信息网络；

步骤S1.3在异质重边信息网络G'＝(V',E')中，给定二元组(u,v)∈E'，设节点对之间的多元重边关系集合记为R＝{r|r∈A}，r表示节点对(u,v)之间的任意类型关系，R表示节点对(u,v)之间的不同类型关系集合，则多元重边关系的三元组对记为(u,R,v)；对于节点对(u,v)之间的行为关系r_i∈R，映射过程定义为：

其中，a_i代表了节点对(u,v)的某一行为关系r_i的向量表示的线性变换，为共享参数，用来学习多元重边关系的不同重要性；

步骤S1.4对于节点对(u,v)所有的行为关系R，计算任意关系的映射特征，通过softmax函数对关系r_i进行归一化权重系数为：

其中，α_i表示关系r_i在节点对(u,v)的所有行为关系中的权重系数，e为自然常数，a_k为节点对(u,v)的关系r_k(k＝1,2,...,||R||)的变换特征，||R||为多元重边关系集合R中元素的个数；

步骤S1.5权重系数反映了不同类型关系在节点对(u,v)联系中的不同重要性；通过注意力权重系数学习节点对的多元重边关系融合表示空间，记为：

其中，代表节点对(u,v)的多元重边关系的向量加权融合表示空间，为关系r_i的向量表示。

3.根据权利要求书1所述一种基于异质重边信息网络翻译模型的产品推荐方法，其特征在于：所述步骤S2，将异质节点的类型信息投影到多元重边关系融合表示空间还包括以下步骤：

步骤S2.1在异质重边信息网络中，给定多元重边关系的三元组异质节点对(u,R,v)，其中u和v具有异质类型；异质类型的节点u和v具有多元重边关系，多元重边关系集合为R；

步骤S2.2分别把节点对(u,v)的头节点u和尾节点v映射到统一的潜在语义空间；头节点u和尾节点v在统一空间的表示可以记为：

其中，为头节点u和尾节点v的不同类型空间T_u、T_v的学习参数矩阵；分别为头节点u和尾节点v的向量表示；异质类型头节点u和尾节点v的向量表示从所属类型空间T_u、T_v分别映射到统一空间φ，得到统一空间φ的向量表示

步骤S2.3考虑到头节点和尾节点在多元重边关系融合语义空间上的关联，采用TransR的思想，将头节点、尾节点的潜在空间表示映射到多元重边关系融合语义空间，建立头尾节点的表示，也即：

其中，为多元重边关系融合表示空间的投影参数矩阵；将头节点u和尾节点v在φ空间的向量表示映射到多元重边关系融合表示空间的向量上，得到融合表示空间上的向量表示