申请/专利权人：北京工商大学

申请日：2024-01-09

公开（公告）日：2024-04-05

公开（公告）号：CN117828062A

主分类号：G06F16/332

分类号：G06F16/332;G06F16/9535;G06N3/0442

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于高低阶融合的位置门控图神经网络会话推荐方法，属于信息推荐系统技术领域。本方法将会话推荐传统使用的邻接矩阵改进为高阶出入度矩阵和低阶出入度矩阵，并使用改进后的高低阶门控图神经网络正向传播图信息，实现了一阶以上的信息传播。然后设计一个位置融合层，先用高速公路网络缓解高低阶门控图神经网络的过拟合问题，接着提出一个包含反向位置信息和会话中项目频率的位置层，由此获得参考了项目重要性的位置融合层。然后放入改进后的自注意层得到用户长期兴趣，并将最近点击项目作为用户短期兴趣。最后，预测用户在会话中将要交互的下一个项目，从而实现会话推荐。本方法充分考虑了高低阶混合传播的可能性，解决了门控图神经网络只能实现一阶传播的问题，提高了对用户在会话中要交互的下一个项目的预测的全面性，同时提高了预测准确性。

主权项：1.基于高低阶融合的位置门控图神经网络会话推荐算法，方法包括：构建高阶出入度矩阵和低阶出入度矩阵，构建高低阶门控图神经网络得到会话图的嵌入向量。构建位置融合模块，为前面获得的信息使用高速公路网络减缓过拟合问题，并为会话图的嵌入向量融合反向位置信息和区分项目重要性。构建改进的自注意力机制，获得用户的长期依赖。将获得的长期依赖和短期依赖一起计算得分，进行预测，获得前k个推荐项目。包括如下步骤：步骤一：计算项目初始嵌入向量，构建高阶出入度矩阵和低阶出入度矩阵；步骤二：构建高低阶门控图神经网络，得到高低阶融合的嵌入向量，用更少的步骤捕获了更复杂的依赖关系；步骤三：构建位置融合模块，引入高速公路网络，再构建一个包含反向位置信息和会话频率的位置融合层，获得更精准的嵌入向量；步骤四：构建多层改进自注意力层模块，利用自注意力机制按重要程度聚合项目嵌入向量得到长期依赖，并用改进的残差连接来稳定自注意层，减少损失。这是一层的功能，这里使用多层改进自注意力层获得更高层次的项目复杂关系。并按传统做法将最近点击项目作为短期依赖。步骤五：融合长期依赖和短期依赖得到最终的会话嵌入；步骤六：计算会话预测概率得分，进行预测，得到前k个推荐项目。

全文数据：

权利要求：

百度查询： 北京工商大学 基于高低阶融合的位置门控图神经网络会话推荐算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD