[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

说明书

本申请公开了一种基于图神经网络的知识社交推荐方法、系统和设备，分别从社交网络和知识图谱中挖掘用户和项目的影响因素，计算出用户和项目的嵌入向量，重新建模解码，融合知识图谱和社交网络构建推荐模型，避免了单一信息推荐时遇到的数据稀疏性和冷启动，解决了现有的推荐系统对用户和项目的评分数据稀疏和推荐新用户项目的冷启动问题，同时避免对用户和项目处理的静态性和独立性，提高推荐性能。

技术领域

本申请涉及网络社交信息推荐技术领域，尤其涉及一种基于图神经网络 的知识社交推荐方法、系统和设备。

背景技术

在社交网站泛滥的当下，人们可以通过网络添加好友，增加关注，成为 粉丝，这些社交行为构成了巨大的社交网络。为很好地利用社交网络资源， 实现资源共享与推送，采用推荐系统向用户推送与用户兴趣相关的信息。推 荐系统主要利用用户对物品的行为信息，挖掘出用户的个性化需求，通过用 户的兴趣模型主动向用户提供满足其需求的信息，成为了为用户提供个性化 服务的一个重要研究领域，也得到了广泛的应用。

在现有的推荐系统中，通常采用协同过滤算法对用户(user)和项目(item) 进行处理，由于对专家知识的依赖性低，利用了群体智慧，得到了广泛的应 用，但是在商业推荐系统中用户和项目的数量往往十分庞大，并且用户能够 接触到的项目数量十分有限，直接导致用户对项目的行为信息十分稀疏，，存 在冷启动问题，导致推荐效果不佳；对用户(user)和项目(item)的处理也有 采用传统的基于矩阵分解的方法，得到的user和item往往在表达上是静态的， 且是彼此独立的，推荐性能不佳。

发明内容

本申请提供了一种基于图神经网络的知识社交推荐方法、系统和设备， 用于解决现有的推荐系统对用户和项目的评分数据稀疏和推荐新用户项目的 冷启动问题，同时避免对用户和项目处理的静态性和独立性，提高推荐性能。

有鉴于此，本申请第一方面提供了一种基于图神经网络的知识社交推荐 方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，所述解码器为双线性解码器。

本申请第二方面提供了一种基于图神经网络的知识社交推荐系统，包括：