[发明专利]基于异构图的虚拟物品时序推荐方法、装置、介质及设备

权利要求书

1.一种基于异构图的虚拟物品时序推荐方法，其特征在于，包括：

S1：获取根据虚拟物品历史购买记录构建的异构图，所述异构图以用户、虚拟物品和虚拟物品属性为结点，以用户、虚拟物品和虚拟物品属性之间的交互为边，并在异构图上使用图卷积神经网络得到每个用户对应的第一用户特征向量和每个虚拟物品的第一物品特征向量；

S2：以用户和用户之间的交互作为社交属性，从异构图中单独提取出用户与用户之间的社交子图，在社交子图上利用图卷积神经网络融合周围邻居特征得到每个用户的第二用户特征向量，将每个用户对应的第一用户特征向量和第二用户特征向量融合得到第三用户特征向量；

S3：以虚拟物品和虚拟物品之间的交互作为物品关联度属性，从异构图中单独提取出物品与物品之间的关联度子图，在物品关联度子图上利用图卷积神经网络融合周围邻居特征得到每个虚拟物品的第二物品特征向量，将每个虚拟物品对应的第一物品特征向量和第二物品特征向量融合得到第三物品特征向量；

S4：针对待进行推荐的目标用户，将目标用户历史购买的虚拟物品的第三物品特征向量按照购买顺序输入自注意力时序模型中，通过自注意力机制充分捕捉购买的虚拟物品的上下文关联，并将自注意力时序模型输出的每个候选虚拟物品的特征向量与目标用户的第三用户特征向量做内积，得到每个候选物品的被购买概率，并根据概率向目标用户进行虚拟物品推荐。

2.根据权利要求1所述的基于异构图的虚拟物品时序推荐方法，其特征在于，所述异构图中，将虚拟物品历史购买记录中的用户、虚拟物品和虚拟物品属性作为结点，并在三类结点之间根据交互建立边连接，其中每一个用户结点需要与其购买过的物品建立边连接，每一个物品需要与其所属的属性建立边连接。

3.根据权利要求1所述的基于异构图的虚拟物品时序推荐方法，其特征在于，所述第一用户特征向量和第二用户特征向量通过向量连接的形式融合得到第三用户特征向量。

4.根据权利要求1所述的基于异构图的虚拟物品时序推荐方法，其特征在于，所述第一物品特征向量和第二物品特征向量通过向量连接的形式融合得到第三物品特征向量。

5.根据权利要求1所述的基于异构图的虚拟物品时序推荐方法，其特征在于，每个用户的所述第三用户特征向量中，除该用户的第一用户特征向量和第二用户特征向量之外，还融合有该用户的静态属性的编码向量；所述静态属性包括用户的性别、年龄、游戏级别中的一种或多种。

6.根据权利要求1所述的基于异构图的虚拟物品时序推荐方法，其特征在于，所述自注意力时序模型采用Transformer模型。

7.根据权利要求6所述的基于异构图的虚拟物品时序推荐方法，其特征在于，所述Transformer模型中，编码器和解码器中的自注意力网络层均为一层。