[发明专利]基于会话的推荐系统、方法、设备及存储介质

权利要求书

1.一种基于会话的推荐系统，其特征在于，所述推荐系统包括：会话层网络、用户长期偏好记忆单元与用户层网络；

所述会话层网络，基于门控图神经网络GGNN网络模型实现，用于将目标会话分解为多个子图矩阵，并使用GGNN网络模型进行训练，得到所述目标会话的嵌入向量，将所述嵌入向量映射到所述用户长期偏好记忆单元中，作为所述目标会话的用户偏好向量；

所述用户长期偏好记忆单元，用于基于所述用户偏好向量，记录用户在所述目标会话中的长期偏好，并在所述目标会话结束后，将所述用户长期偏好记忆单元记录的信息转换为隐藏向量，反馈至所述用户层网络中，其中，所述用户长期偏好记忆单元，用于在由所述目标会话分解得到的多个子图矩阵中，学习用户在对应时刻的短期偏好，并在所述目标会话结束后，得到用户在所述目标会话中的长期偏好；

所述用户层网络，基于门循环单元GRU的循环网络模型实现，用于根据所述隐藏向量更新所述用户层网络的状态向量，通过所述状态向量跟踪用户在不同会话中的偏好变化，并使用所述状态向量来更新所述隐藏向量，将更新后的隐藏向量反馈至所述会话层网络中，以传入下一会话中， 其中，将所述用户长期偏好记忆单元记录的信息转换为隐藏向量，采用以下公式实现：

其中，C_u表示用户u的会话数量，N为第i个会话的子图矩阵的个数，为会话s对应的第j个子图矩阵所对应的用户偏好向量，t_i为隐藏向量。

2.如权利要求1所述的推荐系统，其特征在于，所述推荐系统还包括：

记忆单元建立模块，用于为每一个会话分别建立相应的所述用户长期偏好记忆单元，以分别记录用户在每一个会话中的长期偏好。

3.如权利要求1所述的推荐系统，其特征在于，所述目标会话为单个用户的一个会话；

所述用户长期偏好记忆单元，具体用于保存所述目标会话的N个用户偏好向量，其中，所述N的数量是基于所述子图矩阵的个数确定的。

4.如权利要求1所述的推荐系统，其特征在于，所述推荐系统还用于：

在将所述用户长期偏好记忆单元记录的信息转换为隐藏向量，反馈至所述用户层网络中之后，获取用户的下一个会话的用户偏好矩阵，成为所述下一个会话对应的用户长期偏好记忆单元。

5.如权利要求4所述的推荐系统，其特征在于，所述得到所述目标会话的嵌入向量采取以下公式实现：

其中，为第j个子图矩阵所对应的嵌入向量，W_s，W_t均为在GGNN网络模型训练中得到权重参数，b_s为在GGNN网络模型训练中得到调整因子参数，t_i-1为第i-1个会话的隐藏向量。

6.一种基于会话的推荐方法，其特征在于，采用如权利要求1～5任一项所述的推荐系统；所述推荐方法包括：

利用所述会话层网络，获取目标会话的嵌入向量，并将所述嵌入向量映射到所述用户长期偏好记忆单元中，作为所述目标会话的用户偏好向量；

利用所述用户长期偏好记忆单元，记录用户在所述目标会话中的长期偏好，并将所述用户长期偏好记忆单元记录的信息转换为隐藏向量，反馈至所述用户层网络中，其中，所述用户长期偏好记忆单元，用于在由所述目标会话分解得到的多个子图矩阵中，学习用户在对应时刻的短期偏好，并在所述目标会话结束后，得到用户在所述目标会话中的长期偏好；

利用所述用户层网络，根据所述隐藏向量更新所述用户层网络的状态向量，通过所述状态向量跟踪用户在不同会话中的偏好变化，并使用所述状态向量来更新所述隐藏向量，将更新后的隐藏向量反馈至所述会话层网络中，其中，将所述用户长期偏好记忆单元记录的信息转换为隐藏向量，采用以下公式实现：

其中，C_u表示用户u的会话数量，N为第i个会话的子图矩阵的个数，为会话s对应的第j个子图矩阵所对应的用户偏好向量，t_i为隐藏向量。