[发明专利]一种基于项目表示增强的会话推荐方法、存储介质及装置

说明书

本发明公开了一种基于项目表示增强的会话推荐方法、存储介质及装置，所述方法包括以下步骤：(1)预处理会话数据；(2)根据预处理后的会话数据构造项目转移图，其中项目转移图为有向图；(3)基于注意力机制的图神经网络模型学习项目向量表示，得到全部的项目向量嵌入表示矩阵；(4)提取当前会话中涉及的项目向量表示，基于神经网络的会话推荐模型学习用户兴趣偏好表示，然后向用户推荐项目；本发明可以有效地利用全局项目转移知识，从而可以学习到丰富的项目向量表示；整体提升了会话推荐任务的性能，具有良好的使用性。

技术领域

本发明涉及一种信息处理及会话推荐领域，尤其涉及一种基于项目表示增强的会话推荐方法、存储介质及装置。

背景技术

会话推荐任务是在给定同一会话中的历史交互行为的情况下预测下一个行为，其中会话是在时间上非常接近的一系列行为。现有的会话推荐任务方法首先将项目随机初始化为低维向量，然后在训练会话推荐模型时同时训练项目向量表示。这种项目表示方法虽然比较简单实用，但这种方法一方面并没有充分挖掘交互数据之间的关系，使得模型在一开始训练的时候充满不确定性，影响模型的训练效率；另一方面，随机初始化项目向量，没有结合具体业务场景，使得模型在利用数据训练时效率低下。

发明内容

发明目的：本发明的目的是提供了一种基于项目表示增强的会话推荐方法、存储介质及装置以解决上述技术背景中存在的问题。

技术方案：本发明所述的一种基于项目表示增强的会话推荐方法，包括以下步骤：

(1)预处理会话数据；

(2)根据预处理后的会话数据构造项目转移图，其中项目转移图为有向图；

(3)基于注意力机制的图神经网络模型学习项目向量表示，得到全部的项目向量嵌入表示矩阵；其中，项目向量嵌入表示矩阵为N*d，其中N是指所有项目的个数，d为项目向量表示的维度；

(4)提取当前会话中涉及的项目向量表示矩阵，基于神经网络的会话推荐模型学习用户兴趣偏好表示，然后向用户推荐项目。

进一步的，所述步骤(1)包括以下步骤：

(11)将每个会话序列由用户点击过的项目按照时间排序组成，当会话中的项目个数为1时，删除该会话；

(12)统计每个项目在全部会话中出现的次数，出现次数小于5的项目删除；

(13)重新对项目进行编号，得到预处理后的会话序列。

进一步的，所述步骤(3)基于注意力机制的图神经网络模型包括：若干层和一个softmax层，其中，每一层的结构包括：旧节点、聚合信息层和Attention层。

进一步的，所述步骤(4)包括以下步骤：

(41)根据当前会话中涉及的项目，在项目向量嵌入表示矩阵中查询对应的项目向量嵌入表示；

(42)将中得到的项目向量嵌入表示，输入到基于神经网络的会话推荐模型中训练得到用户兴趣偏好向量表示；

(43)将用户兴趣偏好向量表示与项目向量嵌入表示矩阵相乘，得到用户在该会话中下一次点击的每一个项目的概率，将概率降序排列得到候选推荐项目。

进一步的，所述步骤(42)具体为：将训练数据的推荐项目与训练数据的真实点击项目进行比较，计算交叉熵损失，并通过反向传播算法迭代调整会话推荐模型的参数，得到最优的会话推荐模型。

本发明还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述方法。

本发明还提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述方法。