[发明专利]基于图卷积协同过滤的推荐预测系统以及推荐预测方法

权利要求书

1.一种基于图卷积协同过滤的推荐预测系统，其特征在于，所述系统包括：

输入层，用于提供用户输入向量集合和项目输入向量集合；

图卷积模型层，构建图卷积模型，所述图卷积模型以所述用户输入向量集合和所述项目输入向量集合作为输入数据，输出经过L层传播后的用户多重嵌入向量组和项目多重嵌入向量组；所述图卷积模型将每层传播生成的中间用户嵌入向量均与初始用户嵌入向量进行MLP特征提取得到所述图卷积模型输出的用户嵌入向量；所述图卷积模型将每层传播生成的中间项目嵌入向量均与初始项目嵌入向量进行MLP特征提取得到所述图卷积模型输出的项目嵌入向量；

特征交互层，使用外积对所述用户多重嵌入向量组和所述项目多重嵌入向量组进行交叉建模，构建交互体，通过CNN网络模型对所述交互体进行学习，依据所述CNN网络模型的学习结果，得到用户节点对项目节点的第一预测结果；其中，令所述用户多重嵌入向量组为：所述项目多重嵌入向量组为：所述交叉建模的表达式为：表示所述图卷积模型输出的第j层用户嵌入向量的转置，表示所述图卷积模型输出的第i层项目嵌入向量，表示和的外积，j,k∈{0,1,…,L}；所述交互体的表达式为：Stack(·)表示堆砌函数；

所述特征交互层还用于：使用内积提取所述用户多重嵌入向量组与所述项目多重嵌入向量组之间的交互，得到所述用户节点对所述项目节点的第二预测结果，结合所述第一预测结果和所述第二预测结果，得到所述用户节点对所述项目节点的第三预测结果；所述第二预测结果表示为：其中，表示第二预测结果，·,·表示内积函数，||表示拼接；

所述图卷积模型输出的第l层的用户嵌入向量表示为：所述图卷积模型输出的第l层的项目嵌入向量表示为：其中，表示所述图卷积模型经过第l层传播后的中间用户嵌入向量，表示初始用户嵌入向量，W₁^(l),₂^(l)为同一隐藏层共享的参数矩阵，表示所述图卷积模型经过第l层传播后的中间项目嵌入向量，表示初始项目嵌入向量，σ(·)表示ReLU激活函数；所述的表达式为：所述的表达式为：其中，N_u表示所述用户节点的邻居数量，N_i表示所述项目节点的邻居数量。

2.根据权利要求1所述的基于图卷积协同过滤的推荐预测系统，其特征在于，所述通过CNN网络模型对所述交互体进行学习，具体为：通过2D卷积网络模型对所述交互体进行学习。