[发明专利]一种基于图神经网络的知识社交推荐方法、系统和设备

权利要求书

1.一种基于图神经网络的知识社交推荐方法，其特征在于，包括：

构建用户项目二部图，通过图自编码器提取用户向量和项目实体向量，所述图自编码器采用PinSage算法聚合节点；

将所述用户向量输入RNN网络，得到所述RNN网络输出的用户兴趣向量；

将采集到的用户朋友兴趣向量和所述用户兴趣向量放入社交网络图中，采用图注意力机制更新所述社交网络图的节点，得到更新兴趣向量；

将所述更新兴趣向量与所述用户兴趣向量进行拼接，得到用户最终嵌入向量；

采用知识图谱卷积神经网络捕获知识图谱上项目之间的相关属性，得到实体邻域表示向量；

将所述项目实体向量和所述实体邻域表示向量进行聚合，得到项目最终嵌入向量；

将所述用户最终嵌入向量和所述项目最终嵌入向量融入解码器中进行重构，输出关于用户和项目的预测评级结果。

2.根据权利要求1所述的基于图神经网络的知识社交推荐方法，其特征在于，所述用户朋友兴趣向量包括朋友短期兴趣向量和朋友长期兴趣向量。

3.根据权利要求2所述的基于图神经网络的知识社交推荐方法，其特征在于，所述项目最终嵌入向量为：

其中，为实体邻域表示向量，v为项目实体向量，α()为激活函数，W为参数矩阵，b为偏差。

4.根据权利要求3所述的基于图神经网络的知识社交推荐方法，其特征在于，所述用户最终嵌入向量为：

其中，W₂为线性变换矩阵，h_n为用户兴趣向量，为更新兴趣向量。

5.根据权利要求4所述的基于图神经网络的知识社交推荐方法，其特征在于，所述解码器为双线性解码器。

6.一种基于图神经网络的知识社交推荐系统，其特征在于，包括：

二部图单元，用于构建用户项目二部图，通过图自编码器提取用户向量和项目实体向量，所述图自编码器采用PinSage算法聚合节点；

用户兴趣提取单元，用于将所述用户向量输入RNN网络，得到所述RNN网络输出的用户兴趣向量；

网络节点更新单元，用于将采集到的用户朋友兴趣向量和所述用户兴趣向量放入社交网络图中，采用图注意力机制更新所述社交网络图的节点，得到更新兴趣向量；

拼接单元，用于将所述更新兴趣向量与所述用户兴趣向量进行拼接，得到用户最终嵌入向量；

实体领域表示单元，用于采用知识图谱卷积神经网络捕获知识图谱上项目之间的相关属性，得到实体邻域表示向量；

聚合单元，用于将所述项目实体向量和所述实体邻域表示向量进行聚合，得到项目最终嵌入向量；

解码单元，用于将所述用户最终嵌入向量和所述项目最终嵌入向量融入解码器中进行重构，输出关于用户和项目的预测评级结果。

7.根据权利要求6所述的基于图神经网络的知识社交推荐系统，其特征在于，所述用户朋友兴趣向量包括朋友短期兴趣向量和朋友长期兴趣向量。

8.根据权利要求7所述的基于图神经网络的知识社交推荐系统，其特征在于，所述项目最终嵌入向量为：

其中，为实体邻域表示向量，v为项目实体向量，α()为激活函数，W为参数矩阵，b为偏差。

9.根据权利要求8所述的基于图神经网络的知识社交推荐系统，其特征在于，所述用户最终嵌入向量为：

其中，W₂为线性变换矩阵，h_n为用户兴趣向量，为更新兴趣向量。

10.一种基于图神经网络的知识社交推荐设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的基于图神经网络的知识社交推荐方法。