[发明专利]基于图神经网络的会话推荐方法

权利要求书

1.一种基于图神经网络的会话推荐方法，包括如下步骤：

S1.采用全部会话序列构建全局会话图；

S2.采用当前会话序列构建局部会话图；

S3.基于步骤S1得到的全局会话图，输入全局会话图神经网络，从而得到全局信息特征表示；

S4.基于步骤S2得到的局部会话图，输入局部会话图神经网络，从而得到局部信息特征表示；

S5.综合步骤S3得到的全局信息特征表示和步骤S4得到的局部信息特征表示，得到会话序列特征表示；

S6.根据步骤S5得到的会话序列特征表示，采用注意力机制得到最终的特征表示；

S7.根据步骤S6得到的最终的特征表示，计算得到用户与每个商品的得分，并根据得分输出最终的会话推荐结果。

2.根据权利要求1所述的基于图神经网络的会话推荐方法，其特征在于步骤S1所述的采用全部会话序列构建全局会话图，具体包括如下步骤：

A.遍历所有会话序列，并统计所有商品的出现频次；

B.根据步骤A统计到的所有商品的出现频次，选取排名前α的高频商品，构成高频商品集合N_f；α为设定值；

C.再次遍历每一个会话序列S＝{v₁,v₂,...,v_i,...,v_l}，针对会话序列S中的任意两个节点v_i和v_j，若节点v_i在节点v_j前出现且v_i和v_j均属于高频商品集合N_f，则构建一条边(v_i,v_j)；

D.最终构建得到全局会话图，且构建的全局会话图为无权无向图。

3.根据权利要求1所述的基于图神经网络的会话推荐方法，其特征在于步骤S2所述的采用当前会话序列构建局部会话图，具体包括如下步骤：

a.对于当前会话序列S＝{v₁,v₂,...,v_i,...,v_l}，针对节点v_i与前ε个步长内的节点均构建一条指向节点v_i的有向边；ε为设定的参数；

b.统计用户在各个节点停留的时间，从而计算相邻节点的时间间隔，并进行归一化操作，从而得到初始权重；

c.最终构建得到局部会话图，且构建的局部会话图为有向带权图。

4.根据权利要求2所述的基于图神经网络的会话推荐方法，其特征在于步骤S3所述的基于步骤S1得到的全局会话图，输入全局会话图神经网络，从而得到全局信息特征表示，具体包括如下步骤：

(1)对于每个输入的会话序列特征H＝[h_v1,h_v2,...,h_vi,...,h_vn]，计算该会话序列特征H的均值s为式中h_vi为会话序列中第i个节点的特征表示，S为当前会话序列，|S|为会话S包含的节点个数；

(2)采用如下算式计算基于会话的注意力系数δ(v_i,v_j)：

δ(v_i,v_j)＝p^TleakyRelu(W₁(s⊙h_vi))

式中p为第一参数矩阵；W₁为第二参数矩阵；leakyRelu()为激活函数；⊙表示向量点积运算；

(3)对步骤(2)计算得到的注意力系数进行归一化；

(4)使用注意力系数进行特征聚合，得到式中为会话序列第i个节点的全局特征表示；δ(v_i,v_j)是归一化后节点v_i和v_j之间的注意力系数，表示节点i的邻居节点集合；

(5)将步骤(4)得到的特征聚合结果通过L_g层图神经网络后，得到全局信息特征表示H^g为其中为会话序列第i个节点的全局特征表示。