[发明专利]社交及消费联合推荐系统、方法、存储介质、计算机设备

权利要求书

1.一种社交及消费联合推荐方法，其特征在于，所述社交及消费联合推荐方法包括：

图神经网络和自注意力机制从输入的评级矩阵R提取出消费偏好特征；

图卷积网络和自注意力机制从输入的社交矩阵S提取出社交偏好特征；

引入互惠图神经网络，类比生物界的共生机制，结合消费偏好特征和社交偏好特征得出联合消费特征和联合社交特征；

输入需要预测的用户、可能发生的消费物品以及可能建立关系的人的数据，对用户潜在的消费可能和社交可能进行预测。

2.如权利要求1所述的社交及消费联合推荐方法，其特征在于，所述图神经网络和自注意力机制从输入的评级矩阵R提取出消费偏好特征，首先将评级矩阵R转化为图神经网络；其次，从转换后的网络中分离两个non-Euclidean子图：物品偏好子图和用户偏好子图；接着分别从中提取物品偏好以及用户偏好特征；最后，合并二者为消费偏好特征。

3.如权利要求1所述的社交及消费联合推荐方法，其特征在于，所述图卷积网络和自注意力机制从输入的社交矩阵S提取出社交偏好特征，首先，构造一个正则化Laplacian矩阵；然后通过该矩阵的eigenvalue和eigenvector矩阵构造出频谱图卷积网络的卷积核，提取出每个人的社交特征；最后，聚合某个用户的所有朋友的社交特征，得出社交偏好特征。

4.如权利要求1所述的社交及消费联合推荐方法，其特征在于，所述结合消费偏好特征和社交偏好特征得出联合消费特征和联合社交特征，首先采用element wise方式，消费偏好特征和社交偏好特征对位相乘得到互惠特征，然后，消费偏好特征级联互惠特征得到联合消费特征，社交偏好特征级联互惠特征得到联合社交特征。

5.如权利要求1所述的社交及消费联合推荐方法，其特征在于，所述对用户潜在的消费可能和社交可能进行预测，联合消费特征与待预测的物品属性相乘得到概率，对所有待预测的物品概率进行递减排序，取top k作为预测结果，或者采用经验值0.5作为阈值，将大于0.5的消费概率均视为预测结果；同理，联合社交特征与待预测的人的属性相乘得到概率，最后取top k或大于阈值0.5的数据作为结果。

6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

图神经网络和自注意力机制从输入的评级矩阵R提取出消费偏好特征；

图卷积网络和自注意力机制从输入的社交矩阵S提取出社交偏好特征；

引入互惠图神经网络，类比生物界的共生机制，结合消费偏好特征和社交偏好特征得出联合消费特征和联合社交特征；

输入需要预测的用户、可能发生的消费物品以及可能建立关系的人的数据，对用户潜在的消费可能和社交可能进行预测。

7.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：

图神经网络和自注意力机制从输入的评级矩阵R提取出消费偏好特征；

图卷积网络和自注意力机制从输入的社交矩阵S提取出社交偏好特征；

引入互惠图神经网络，类比生物界的共生机制，结合消费偏好特征和社交偏好特征得出联合消费特征和联合社交特征；

输入需要预测的用户、可能发生的消费物品以及可能建立关系的人的数据，对用户潜在的消费可能和社交可能进行预测。

8.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1～5任意一项所述的社交及消费联合推荐方法。

9.一种实施权利要求1～5任意一项所述的社交及消费联合推荐方法的社交及消费联合推荐系统，其特征在于，所述社交及消费联合推荐系统包括：

自注意力空间层，用于从评级矩阵R中提取用户的消费偏好特征；

自注意力频谱层，用于从社交矩阵S中提取用户的社交偏好特征；

互惠分析层，受到共生模型的启发，将消费偏好特征和社交偏好特征作为输入，目标是对用户消费偏好与社交联系之间的相互关系进行自适应建模，产生联合消费特征和联合社交特征；

预测层，用于将联合消费特征和联合社交特征应用于预测层中，以预测潜在的消费和社交可能。