[发明专利]一种基于动态图神经网络的信息推荐方法及系统

权利要求书

1.一种基于动态图神经网络的信息推荐方法，包括以下步骤：

步骤S101、获取第一用户的所有关联项目节点，建立第一项目节点集合，所述第一项目节点集合包含项目节点；

步骤S103、基于所述第一项目节点集合，获取所有关联项目节点的关联用户，建立第一用户节点集合，其中所述第一用户节点集合包括第一用户节点和除所述第一用户之外的所有其他用户节点，

步骤S105、基于所述用户历史行为，将所述关联项目节点与所述关联用户关联；

步骤S107、设定目标时刻，基于所述目标时刻，获取第一用户的邻居节点，所述邻居节点包含用户节点和项目节点；

步骤S109、基于注意力机制和时间感知长短记忆神经网络，获取所述第一用户的全局稳定兴趣和局部动态兴趣；

步骤S1011、基于所述第一用户的全局稳定兴趣和局部动态兴趣，生成推荐信息。

2.如权利要求1所述方法，其中所述关联操作包括：

将用户历史行为与相应历史行为的发生时间戳记为序列S＝{(i₁，ts₁)，(i₂，ts₂)，...，(i_n，ts_n)}，其中每一个i_i代表一个项目的ID，每一个ts_i代表该用户与该项目交互时的时间戳；

每一个用户和每一个项目作为一个节点，并将其间发生的交互行为作为连接两类节点的边，边上包含该交互发生的时间戳信息。

3.如权利要求2所述方法，其中所述步骤S107包括：采集所述第一用户节点的K阶邻域范围内的邻居节点，其中所述K为正整数，2≤K≤5。

4.如权利要求3所述方法，其中采集所述第一用户节点的K阶邻域范围内的邻居节点，具体包括：

基于目标时刻和交互时间戳，分别作为目标节点及其邻居的截止时间，以屏蔽在此之后发生的交互所对应的边，然后从其余邻居节点中采样。

5.如权利要求1所述方法，其中所述步骤S109包括：

基于注意力的聚集器计算中心节点和所有邻居节点之间在相等距离的相关性，获取所述第一用户的全局稳定兴趣；

其中，将注意力机制的Query、Key和Value构建为：

q＝Z_ctrW_Q，K_i＝V_i＝Z_iW_KV，i∈Ngh(n_ctr，ts_ctr)

其中是可学习的参数矩阵，d_h，d_e，d_t，d_a分别是某一节点、边、时间的表示维度和隐藏层的维度、h^k-1是第K-1层之后模型输出的向量表示、ee_i是可学习的边类型表示、0是与边表示维度相同的零向量、te_i是对于时刻ts_i的时间或位置表示；concat指的是将两个向量拼接在一起，R指的是实数域，Ngh指的是从邻居节点中采样；

得到基于注意力的聚集器的输出：

6.如权利要求5所述方法，其中所述步骤S109还包括：

基于时间感知长短期记忆神经网络的聚集器以顺序方式收集邻居信息，获取所述第一用户的局部动态兴趣；

使用时间感知的LSTM作为序列相关聚合器，其包含一个调整后的细胞状态：

TLSTM_cell＝StandardLSTM_cell(X_t，H_t-1，C′_t-1)；

其中e是自然对数的底数，按照时间顺序将邻居连通边信息构建X的逐个输入到单元中，下标t表示第t个输入邻居；

使用最后一层的隐藏状态作为该聚合器的输出。