[发明专利]会话推荐方法和推荐模型的训练方法、装置、设备及介质

说明书

本公开提供了一种会话推荐方法、装置、设备及介质，属于人工智能领域。该会话推荐方法包括：获取第一会话序列，所述第一会话序列包括由M个事件按照先后点击顺序排序得到的序列；构建与所述第一会话序列对应的第一会话异构图，所述第一会话异构图以所述M个事件中的每个事件作为节点，通过有向边连接具有先后点击顺序每两个节点；基于所述第一会话异构图，提取第一出度邻接矩阵和第一入度邻接矩阵；以及利用基于图神经网络的智能推荐模型处理所述第一出度邻接矩阵和第一入度邻接矩阵，输出在所述第一会话序列之后要点击的事件的信息。本公开还提供了一种基于图神经网络的智能推荐模型的训练方法、装置、设备、存储介质和程序产品。

技术领域

本公开涉及人工智能领域，，更具体地涉及一种会话推荐方法、装置、设备、介质和程序产品，以及一种基于图神经网络的智能推荐模型的训练方法、装置、设备、介质和程序产品。

背景技术

随着互联网信息量的迅速发展，数据规模也迎来了爆炸式的增长。海量的数据中蕴含着巨大的价值和潜力，与此同时，人们也将面临海量数据所带来的信息过载问题。大量的数据导致用户往往很难从大量的数据中找到自己喜欢的内容，推荐算法能在海量数据中挖掘出用户的兴趣所在并给以推荐，已成为“信息过载”问题的重要技术。会话推荐(SBR)因其在隐私保护方面的突出优势而被广泛应用于推荐任务中，其中，会话推荐可以在不使用用户数据的情况下改善用户体验。会话推荐的输入是一个会话序列，输出是所有可能点击事项的概率

在会话推荐中利用图数据来构建会话序列信息应经被广泛采纳。然而相关技术中在会话推荐中，通常是基于对同构图表示会话序列的学习进行预测，导致往往仅能预测直接相连的事件或几步之外触发的事件，而难以预测具有更为复杂的转换关系的事件，从而导致会话推荐的准确率较低，适用范围受限。

发明内容

鉴于上述问题，本公开实施例提供了一种可以深度挖掘事件转换关系以更准确地进行预测的会话推荐方法、装置、设备、介质和程序产品，以及用于进行会话推荐的基于图神经网络的智能推荐模型的训练方法、装置、设备、介质和程序产品。

本公开实施例的第一方面，提供了一种会话推荐方法。所述方法包括：获取第一会话序列，所述第一会话序列包括由M个事件按照先后点击顺序排序得到的序列，其中，M为大于或等于2的整数；构建与所述第一会话序列对应的第一会话异构图，所述第一会话异构图以所述M个事件中的每个事件作为节点，通过有向边连接具有先后点击顺序每两个节点；基于所述第一会话异构图，提取第一出度邻接矩阵和第一入度邻接矩阵；以及利用基于图神经网络的智能推荐模型处理所述第一出度邻接矩阵和第一入度邻接矩阵，输出在所述第一会话序列之后要点击的事件的信息。

根据本公开的实施例，所述基于所述第一会话异构图，提取第一出度邻接矩阵和第一入度邻接矩阵包括：从所述第一会话异构图中提取第一出度图和第一入度图，其中，所述第一出度图为所述第一会话异构图中的所有节点、以及每个节点的出度边组合得到的图数据，以及所述第一入度图为所述第一会话异构图中所有节点以及每个节点的入度边组合得到的图数据；基于所述第一出度图，得到所述第一出度邻接矩阵；以及基于所述第一入度图，得到所述第一入度邻接矩阵。

根据本公开的实施例，所述智能推荐模型包括两个门控图神经网络，其中，所述利用所述智能推荐模型处理所述第一出度邻接矩阵和第一入度邻接矩阵包括：利用所述两个门控图神经网络分别处理所述第一出度邻接矩阵和第一入度邻接矩阵。

根据本公开的实施例，在每个所述门控图神经网络中引入多头注意力机制。