[发明专利]一种基于图卷积网络的社交推荐方法与系统

权利要求书

1.一种基于图卷积网络的社交推荐方法，其特征在于，包括以下步骤：

步骤1，抽取用户-物品关系以及用户好友关系，处理后得到用户-物品交互关系、以及用户-用户好友关系；

步骤2，基于用户和物品的交互建立物品-物品协同相似关系，并将所得到的用户和物品的关系建模在统一的网络之中，在用户端使用图神经网络分别对用户的两类邻域进行聚合操作，生成用户的两类节点特征，用户节点的邻域包括与之交互的物品以及用户的社交好友，然后通过门控机制对用户端的两类节点进行特征融合获得最终用户表示；在物品端使用图神经网络分别对物品的两类邻域进行聚合操作，生成物品的两类节点特征，物品节点的邻域包括与之交互的用户以及协同相似物品，然后通过门控机制对物品端的两类节点进行特征融合获得最终物品表示；

步骤3，通过图卷积网络的消息传递机制和串联操作，生成全局感知的用户表示和物品表示；

步骤4，通过损失函数对模型进行训练，以预测用户点击某一物品的概率。

2.根据权利要求1所述的基于图卷积网络的社交推荐方法，其特征在于，步骤2中物品-物品相似关系根据如下方法计算：

定义物品i和物品j之间的协同相似度sim_i,j的强度：

其中，R_U(i)表示对物品i有过交互行为的用户集合，R_U(j)表示对物品j有过交互行为的用户集合；

如果协同相似的强度大于设定的阈值，则认为物品i和j之间存在协同相似关系。

3.根据权利要求1所述的基于图卷积网络的社交推荐方法，其特征在于，步骤2中的邻域聚合，具体过程包括：

使用图卷积网络分别对用户节点两类邻域信息进行加权求和操作，获得用户关于物品邻域的嵌入表示和用户关于社交好友邻域的嵌入表示最后通过HighwayNetwork网络聚合两类嵌入表示，获得用户u在第k+1层的最终嵌入表示

其中，R_I(u)是用户u有过交互行为的物品节点集合，F_U(u)是用户社交网络中用户u相邻的好友节点集合，N_u是用户u的一跳邻居集合，包括与之交互的物品和社交好友，N_i是物品i的一跳邻居集合，包括与之交互的用户和物品协同相似网络中物品i的邻居节点，N_v是用户v的一跳邻居集合，包括与之交互的物品和社交好友，W₁和b₁分别是权重矩阵和偏置向量，σ是非线性激活函数ReLU，和分别表示物品i和用户v在第k层的嵌入表示，作为下一层神经网络的用户输入；

使用图卷积网络分别对物品节点两类邻域信息进行加权求和操作，获得物品关于用户邻域的嵌入表示和物品关于物品协同相似的嵌入表示最后通过HighwayNetwork网络聚合两类嵌入表示，获得物品i在第k+1层的最终嵌入表示

其中，R_U(i)是与物品i有过交互行为的用户集合，N_I(i)是物品协同相似网络中物品i的邻居节点集合，N_j是物品j的一跳邻居集合，包括与之交互的用户和物品协同相似网络中物品j的邻居节点，W₂和b₂分别是权重矩阵和偏置向量，和分别表示用户u和物品j在第k层的嵌入表示，作为下一层神经网络的物品输入。