[发明专利]基于图卷积神经网络的双向推荐方法

说明书

本发明公开了一种基于图卷积神经网络的双向推荐方法，包括步骤：S1.将双方中的一方作为A类节点，并确定A类节点的特征值；S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点。本发明的一种基于图卷积神经网络的双向推荐方法，能够有效实现双向推荐，提高了匹配效率，节约了计算资源，具有更好的推荐效果。

技术领域

本发明涉及推荐领域，具体涉及一种基于图卷积神经网络的双向推荐方法。

背景技术

当今时代，互联网技术的飞速发展导致了信息的爆炸式增长，在这些海量的信息中，如何筛选出有价值的信息便成为了一个重要的问题，为了解决这个问题，人们提出了推荐系统。

推荐系统旨在通过分析复杂的、多维的信息，为用户做出合适的推荐。比如，在电商系统中，通过分析客户往常的购物习惯、近期的浏览历史和加入购物车的商品，向顾客推荐合适的商品。在社交网站中，通过分析用户对某些问题的发言和浏览时间，向用户推荐感兴趣的话题等。在人才市场中，通过分析人才的自身信息，知识领域和工作或实习经验，向企业推荐合适的人才。

目前市面上已经有很多成熟的方案来解决单向的推荐问题，然而，在现实生活中，对于处于合作关系等的两个实体或对象，采用双向推荐具有更重要的意义。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于图卷积神经网络的双向推荐方法，能够有效实现双向推荐，提高了匹配效率，节约了计算资源，具有更好的推荐效果。

本发明的基于图卷积神经网络的双向推荐方法，包括如下步骤：

S1.将双方中的一方作为A类节点，并确定A类节点的特征值；

S2.将双方中的另一方作为B类节点，并确定B类节点的特征值；

S3.根据A类节点与B类节点之间的关联关系，构建A类节点与B类节点之间的连通图；

S4.将所述连通图中的每个节点作为目标节点，并基于图卷积神经网络对所述目标节点的特征值进行卷积操作处理，得到目标节点的推荐节点。

进一步，根据如下步骤确定A类节点的特征值：

S11.按照数据类型对所述A类节点对应的数据进行分类，得到结构化数据以及非结构化数据；

S12.使用one hot编码对所述结构化数据进行处理，得到结构化数据的特征值；

S13.使用自然语言对所述非结构化数据进行处理，得到非结构化数据的特征值；

S14.对结构化数据的特征值与非结构化数据的特征值进行合并处理，得到A类节点对应数据的特征值；

S15.将所述A类节点对应数据的特征值作为A类节点的特征值。

进一步，根据如下公式确定非结构化数据的特征值：

其中，f_us为非结构化数据的特征值；M为非结构化数据的总数；c_i为第i项非结构化数据；w_i为c_i对应的权重；W为第二次卷积操作的总权重。

进一步，根据如下公式确定A类节点对应数据的特征值：

F_sum＝a₁f_us+a₂f_s；