基于多行为和项目知识的图转换网络会话推荐方法及系统

1.本公开属于人工智能与信息检索技术领域，具体涉及一种基于多行为和项目知识的图转换网络会话推荐方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
3.推荐系统已经在互联网领域发挥着重大作用，如电子商务、在线网站、网站搜索等。会话推荐是根据用户在最近一段时间内的交互行为，预测目标用户下一次交互的项目。在许多网站中，会话数据的特征反映出用户的行为模式和当前的偏好；根据用户在最近一次的会话中的行为对当前用户意图进行建模，以将更好的推荐结果推送给目标用户。
4.基于用户和项目之间存在着多种类型的行为关系(如浏览、收藏、加入购物车、购买)，有助于学习用户对目标行为类型的偏好。学习项目-项目之间的相互依赖关系也有利于提升推荐的性能。例如购物网站，可根据用户的行为学习用户的偏好，为用户推荐相似产品；不仅如此，项目-项目之间的依赖关系也是有利于推荐的一部分，如两个项目之间有很多共同之处(即依赖关系)，就可推荐给用户，若没有相似点，无需对用户进行推荐。
5.现有技术中，可将多行为交互模式应用到会话推荐中，但是，以相对独立和局部的方式考虑多类型交互，独立考虑用户-项目多类型交互和项目-项目依赖关系，很难捕获用户和项目之间的高阶多行为关系；基于知识的推荐已经成为推荐系统一个重要部分，利用时滞神经网络dnns学习知识嵌入，并输入到下游推荐模型。
6.据发明人了解，图转换网络会话推荐存在着以下缺点：
7.(1)独立的学习多种类型的用户-项目交互行为关系和项目-项目相互依赖关系；
8.(2)项目-项目之间的依赖关系没有作为辅助信号指导用户-项目多行为交互的学习。


技术实现要素：

9.为了解决上述问题，本公开提出了一种基于多行为和项目知识的图转换网络会话推荐方法及系统，使用图转换器网络执行递归嵌入传播，在注意聚合模式中捕获用户和项目之间的高阶行为异构性；将学习的用户-项目多行为嵌入和项目-项目相互依赖关系嵌入通过多层感知器mlp融合在一起应用在会话中；通过基于成对关系向量的知识图谱嵌入翻译模型pairre结合项目知识学习项目嵌入；将知识嵌入作为辅助任务，并将其添加到多链路聚合mlt范式中，预测下一个交互的项目，进而完成推荐。
10.根据一些实施例，本公开的第一方案提供了一种基于多行为和项目知识的图转换网络会话推荐方法，采用如下技术方案：
11.一种基于多行为和项目知识的图转换网络会话推荐方法，包括：
12.获取用户-项目多行为交互图和知识感知的项目-项目关系图；
13.基于多行为交互模式嵌入对所获取的用户-项目多行为交互图和知识感知的项目-项目关系图进行融合，得到会话损失函数；
14.通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户-项目多行为交互关系和项目-项目依赖关系辅助学习，得到项目知识损失函数；
15.根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实现会话推荐。
16.作为进一步的技术限定，在获取用户-项目多行为交互图的过程中，确定会话推荐的不同用户以及每个用户所对应的项目，根据用户点击项目的顺序，构成用户-项目对应关系，以及用户与会话推荐项目之间的异构关系，构造用户-项目多行为交互图。
17.进一步的，根据所获取知识感知的项目-项目关系图表示项目与项目之间的多重依赖关系。
18.作为进一步的技术限定，基于时间上下文编码，获取用于表征时间感知场景中不同用户-项目之间交互影响的行为动态信息，并将所获取的行为动态信息纳入到异构信号中。
19.作为进一步的技术限定，利用图注意机制对所得到的用户-项目多行为交互图进行源节点和目标节点之间的时间感知信息的传播；在时间感知信息传播的过程中，合并不同行为类型的全局上下文信息，使用多通道参数学习处理注意力转换矩阵。
20.作为进一步的技术限定，在项目知识嵌入的过程中，将所述基于成对关系向量的知识图谱嵌入翻译模型导入到超平面中，处理多对一和多对多的项目-项目之间的关系。
21.作为进一步的技术限定，将项目知识嵌入学习作为辅助任务导入到多链路聚合范式中，将任务的学习结果作为提示来指导另一个任务的学习，协助完成会话推荐任务。
22.根据一些实施例，本公开的第二方案提供了一种基于多行为和项目知识的图转换网络会话推荐系统，采用如下技术方案：
23.一种基于多行为和项目知识的图转换网络会话推荐系统，包括：
24.获取模块，其被配置为获取用户-项目多行为交互图和知识感知的项目-项目关系图；
25.融合模块，其被配置为基于多行为交互模式嵌入对所获取的用户-项目多行为交互图和知识感知的项目-项目关系图进行融合，得到会话损失函数；
26.嵌入模块，其被配置为通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户-项目多行为交互关系和项目-项目依赖关系辅助学习，得到项目知识损失函数；
27.推荐模块，其被配置为根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实现会话推荐。
28.根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
29.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的基于多行为和项目知识的图转换网络会话推荐方法中的步骤。
30.根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
31.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程
序，所述处理器执行所述程序时实现如本公开第一方面所述的基于多行为和项目知识的图转换网络会话推荐方法中的步骤。
32.与现有技术相比，本公开的有益效果为：
33.本公开将多类型行为交互和项目之间的依赖关系融合在一起，并应用到会话推荐中；将项目知识作为用户-项目多行为交互和项目-项目依赖关系融合的会话的辅助任务，对推荐的命中率hr和标准化贴现累计收益ndcg进行了研究；通过mlp将独立的用户-项目多行为交互和项目-项目依赖关系融合，并应用到会话之中；通过mlt范式将项目知识纳入到模型中，将项目知识作为用户-项目多行为交互和项目-项目依赖关系融合的会话的辅助任务；通过多种类型的交互捕获用户的不同行为，为用户提供高精度的推荐；所推荐会话的项目之间相互依赖关系，增强学习多行为推荐的有效性。
附图说明
34.构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
35.图1是本公开实施例一中的基于多行为和项目知识的图转换网络会话推荐方法的流程图；
36.图2是本公开实施例一中的推荐模型的结构示意图；
37.图3是本公开实施例二中的基于多行为和项目知识的图转换网络会话推荐系统的结构框图。
具体实施方式
38.下面结合附图与实施例对本公开作进一步说明。
39.应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
40.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
41.在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
42.实施例一
43.本公开实施例一介绍了一种基于多行为和项目知识的图转换网络会话推荐方法。
44.如图1所示的一种基于多行为和项目知识的图转换网络会话推荐方法，包括：
45.获取用户-项目多行为交互图和知识感知的项目-项目关系图；
46.基于多行为交互模式嵌入对所获取的用户-项目多行为交互图和知识感知的项目-项目关系图进行融合，得到会话损失函数；
47.通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户-项目多行为交互关系和项目-项目依赖关系辅助学习，得到项目知识损失函数；
48.根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实
现会话推荐。
49.本实施例的目标是在一个graph transformer network中捕获多行为的用户-项目交互模式和项目-项目之间的依赖关系。通过mlp将两者融合，应用到会话推荐。项目知识学习到的嵌入表示通过mlt范式作为辅助任务指导会话推荐sr的主任务，整体的结构示意图如图2所示。
50.在本实施例中，使用i表示会话推荐的用户u＝{u1,u2,.....,ui,.....ui}，j表示会话推荐的项目v＝{v1,v2,....,vj,....,vj}。通过将不同类型的用户-项目构成一个交互图：gu＝(u,v,eu)，其中边集eu表示用户和项目之间的k个异构关系(如浏览、添加到收藏、购物车)。在eu中，每条边表示在行为类型k的情景下用户ui和项目vj的交互。为了合并项目的边信息，定义了图gv＝(v,ev)来描述项目之间的多重依赖关系。在gv中，边连接在项目vj和v’j
之间的元关系表示为{(vj,r,v'j)|vj,v'j∈v,r∈r}。r表示可以从不同方面生成的关系集，如vj和v'j属于同一类别来自同一位置或者在相同的k行为类型下与同一用户进行交互。将用户-项目多行为交互图gu和知识感知的项目-项目关系图gv作为输入，生成会话和项目的匹配分数使用为给定的会话生成一个排名前k的列表，得分最高的项目将被预测为下一个交互项目。
51.多行为交互模式嵌入模块旨在聚合用户和她的交互项目之间的多行为模式的用于对多行为进行不同处理的异构信号。为此，在全局上下文的增强模式下利用自适应的多行为的自我注意网络。多行为交互模式嵌入模块由三子模块组成：时间上下文编码方案、信息传播和信息聚合。
52.(1)时间上下文编码方案
53.在本实施例中，利用时间上下文编码方案，来捕获时间感知场景中不同类型的用户-项目交互的影响，以便将行为动态纳入到异构消息聚合体结构中。首先，在k行为下，给定用户ui和vj之间的连接将它们对应的交互时间戳映射到时间槽记为并利用正弦函数生成嵌入向量这是由于transformer的位置嵌入框架驱动，即有时间嵌入向量为
[0054][0055]
(2)信息传播阶段
[0056]
在多行为的用户-项目交互图gu上，利用图注意机制实行源节点和目标节点之间的时间感知信息传播，表示为：
[0057][0058][0059]
其中，和分别表示从项目vj到用户ui以及从用户ui到项目vj的信息传
播。pj是初始化的项目嵌入ej和相应的时间上下文表示的元素级加法。同样的，pi是用户端的元素级加法。表示第k个行为类型的h-head投影矩阵。分别表示在所构造的信息pj和pi上学习到的注意传播权值,它们的计算方式为：
[0060][0061]
其中，是第k个行为类型的head-specific的查询和值转换。
[0062]
为了在消息传递过程中合并不同行为类型的全局上下文信息，使用多通道参数学习框架学习基于注意力的转换矩阵设计一个基本的转换范式，它包括m个参数通道，即它们对应于m个潜在投影子空间，反映了不同类型的共同行为上下文的不同方面。使用门控机制对特定类型进行转换：
[0063][0064]
其中，是关于k行为类型的第m个通道转换的定量门控权重。通常来说，通道的数量m应小于行为类型k的数量，这有利于参数高效的异构消息聚合。
[0065]
(3)信息聚合阶段
[0066]
在构造的传播信息的基础上，用求和运算聚合邻居信息：
[0067][0068]
其中，ni和nj分别表示交互图gu中用户ui和项目vj的邻居。和是ui和vj的聚合信息。f(
·
)是一个激活函数。
[0069]
项目-项目相互依赖关系的异构信号与注意聚合相融合表示如下：
[0070][0071]
其中，r是r个不同项目关系的索引，nj表示图gv上vj的相邻节点。
[0072]
最后，基于mlp，得到会话的最终表示：
[0073][0074]
在获得会话s之后，输入会话s和候选项的嵌入ij，然后通过softmax函数，来计算最终的分数
[0075][0076]
采用二元交叉熵作为sr任务的损失函数，如下表示：
[0077][0078]
其中，s和i是训练样本的会话集和项目集。如果用户在会话s后的下一个交互项目是j，则y
s,j
＝1，否则y
s,j
＝0。
[0079]
如图1所示，在一个kg项目中，经常存在多对一和多对多的关系。将pairre导入到超平面来处理多对一、多对多的关系。因此，将pairre的训练损失导入到模型中学习知识嵌入。具体来说，对于每个属性r，首先在关系特定的超平面wr中定位一个关系特定的平移向量dr。给定一个三元组《j,r,k》,项目j的嵌入向量j和属性k的嵌入向量k首先以wr为法向量投影到超平面上，投影记为j
⊥
和k
⊥
。如果《j,r,a》是正确的，认为j
⊥
和k
⊥
可以在超平面上通过一个平移向量dr进行连接。因此，得分函数被用来衡量三元组是不正确的合理性。使用wr和j来表示j
⊥
，公式如下：
[0080][0081]
知识嵌入学习的损失函数是：
[0082][0083]
其中，κ是所有知识三元组的集合。
[0084]
一般来说，如果两个学习任务相互关联，那么将两个学习任务合并到mlt范式中比单独实现各自的目标更有效。在mlt范式中，一个任务的学习结果可以作为提示来指导另一个任务的学习。因此，学习知识嵌入可以看作sr预测任务的辅助任务。所以，在mkgtn中，将知识嵌入学习作为辅助任务导入到mtl范式中，用来协助sr任务。
[0085]
mlt的目标是通过给定的知识三元组集κ和sr的训练集y，使的模型参数φ的后验概率最大化。根据贝叶斯规则，记为：
[0086][0087]
其中，p(φ)是φ的先验概率，它被设置为遵循一个零均值和0.1标准差的高斯分布。
[0088]
mlt目标的综合损失函数是：
[0089][0090]
其中，是为防止过拟合的正则化项。λ1、λ2为控制参数,通过调整实验得到λ1、λ2的值。
[0091]
本实施例针对会话推荐算法，提出多类型行为交互和项目之间的依赖关系融合在一起，并应用到会话推荐中。同时，将项目知识作为用户-项目多行为交互和项目-项目依赖关系融合的会话的辅助任务。该方法对推荐的hr和ndcg进行了研究；通过mlp将独立的用户-项目多行为交互和项目-项目依赖关系融合，并应用到会话之中；通过mlt范式将项目知识纳入到的模型，该范式将项目知识作为用户-项目多行为交互和项目-项目依赖关系融合的会话的辅助任务；将模型应用于yelp、movielens和online retail三个数据集上。实验表明，的模型比其他几种基线方法推荐性能都要好。此外，通过消融实验，确定了模型的几个
子模块对模型的影响。
[0092]
实施例二
[0093]
本公开实施例二介绍了一种基于多行为和项目知识的图转换网络会话推荐系统。
[0094]
如图3所示的一种基于多行为和项目知识的图转换网络会话推荐系统，包括：
[0095]
获取模块，其被配置为获取用户-项目多行为交互图和知识感知的项目-项目关系图；
[0096]
融合模块，其被配置为基于多行为交互模式嵌入对所获取的用户-项目多行为交互图和知识感知的项目-项目关系图进行融合，得到会话损失函数；
[0097]
嵌入模块，其被配置为通过基于成对关系向量的知识图谱嵌入翻译模型对项目知识进项学习，同时对用户-项目多行为交互关系和项目-项目依赖关系辅助学习，得到项目知识损失函数；
[0098]
推荐模块，其被配置为根据推荐损失函数和项目知识损失函数多链路聚合融合，得到综合损失函数，实现会话推荐。
[0099]
详细步骤与实施例一提供的基于多行为和项目知识的图转换网络会话推荐方法相同，在此不再赘述。
[0100]
实施例三
[0101]
本公开实施例三提供了一种计算机可读存储介质。
[0102]
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的基于多行为和项目知识的图转换网络会话推荐方法中的步骤。
[0103]
详细步骤与实施例一提供的基于多行为和项目知识的图转换网络会话推荐方法相同，在此不再赘述。
[0104]
实施例四
[0105]
本公开实施例四提供了一种电子设备。
[0106]
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的基于多行为和项目知识的图转换网络会话推荐方法中的步骤。
[0107]
详细步骤与实施例一提供的基于多行为和项目知识的图转换网络会话推荐方法相同，在此不再赘述。
[0108]
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。