[发明专利]基于图神经网络的会话推荐方法

说明书

本发明公开了一种基于图神经网络的会话推荐方法，包括采用全部会话序列构建全局会话图；采用当前会话序列构建局部会话图；将全局会话图输入全局会话图神经网络得到全局信息特征表示；将局部会话图输入局部会话图神经网络得到局部信息特征表示；综合全局信息特征表示和局部信息特征表示得到会话序列特征表示；采用注意力机制得到最终的特征表示；计算得到用户与每个商品的得分并输出最终的会话推荐结果。本发明使用了全新且不同的图构建方法，能够有效减少信息损失，同时加入全局会话信息，能够有效的加入协同信息，提高当前会话的推荐效果和多样性；而且本发明方法可靠性高、准确性好且科学有效。

技术领域

本发明属于计算机技术领域，具体涉及一种基于图神经网络的会话推荐方法。

背景技术

随着经济技术的发展，电商、社交、长短视频等各个领域得到了快速的发展。随着用户量增长、大数据技术的普及应用以及用户对于用户体验度的要求越来越高，如果针对不同用户进行个性化推荐就显得尤为重要。

会话是指用户在一段时间内交互的商品序列，例如在电商平台一段时间的点击记录或者短视频平台一段时间内的观看记录。会话与会话之间通常是根据时间自然分隔出来的，一个会话内的交互信息更能反映用户当时的兴趣偏好，例如用户在某天时间内在电商平台浏览了一系列体育产品而在另一天购买了一些衣物。因此，相比于传统推荐算法，会话型推荐方法可以有效的捕捉用户动态兴趣并进行个性化推荐。

近年来，随着图神经网络模型的快速发展，图神经网络在会话推荐方面有着不错的表现。但是，目前基于图神经网络模型的会话推荐方法，存在会话图构建方法简单的问题，这将导致会话信息缺失，从而不能较好的发挥图神经网络模型的特征聚合提取；此外，在匿名会话推荐方法中，现有的推荐方法不能有效的利用全局会话信息，推荐的有效性、多样性、准确率均有待提高。

发明内容

本发明的目的在于提供一种可靠性高、准确性好且科学有效的基于图神经网络的会话推荐方法。

本发明提供的这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。

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)；