基于图注意力和多兴趣提取的会话推荐方法

本发明属于信息，涉及一种会话推荐方法，具体涉及一种基于图注意力和多兴趣提取的会话推荐方法，可用于电影、图书、商品及服务等推荐。

背景技术：

1、随着基于互联网技术的电子商务、社交媒体的快速发展，用户规模和物品品类爆炸增长，推荐系统已经成为提升生活便利和提升企业盈利不可或缺的工具。一般来说，大多数推荐方法都假设包含用户的长期行为记录。然而，这种假设在许多现实场景中并不成立，比如部分用户不登陆的场景或者用户隐私需要保护的场景。这时用户的登录记录信息往往很难收集。因此，会话推荐被用来解决这个问题。具体来说，会话推荐主要通过用户的匿名历史会话来预测用户将要交互的下一个物品，也就是利用用户的会话进行物品推荐。会话推荐算法可以从用户的历史会话中挖掘分析用户的兴趣偏好，在海量信息中为用户推荐其可能感兴趣的物品或内容。

2、会话推荐方法包括基于矩阵分解和基于循环神经网络等的方法，这些方法难以捕获不同物品之间的高阶关系。由于图神经网络中图结构数据将多个物品以边的形式连接起来，因此图神经网络能直接捕获不同物品之间的高阶关系，成为推荐系统更有吸引力的选择。在会话推荐方法中，在用户浏览物品后，会给用户推荐他们可能喜欢的物品，不仅免去了用户不断查找类似物品的烦恼，而且也使得用户可以货比多家。在会话推荐方法中，通常以准确率(precision)和平均倒数排名(mrr)为评估指标进行对比仿真。准确率precision关注的是推荐结果中有多少是真正相关的，即被用户喜欢或点击的物品在推荐列表中所占的比例。准确率越高，其值越高，反之越低，该指标越高，说明会话推荐的准确性越高。平均倒数排名mrr可以衡量用户的测试物品在为用户生成的可能交互物品列表中的位置，位置越靠前，其值越高，反之越低，该指标越高，说明被准确推荐的物品排序越靠前。

3、基于深度学习模型的会话推荐方法是一种典型的会话推荐方法，近几年随着图神经网络的快速发展，加之用户的会话天然地可以用于构建图结构数据，将图神经网络应用于会话推荐成为一种新的解决方法。例如，西北师范大学在其申请号为cn202211064385.9，公布号为cn115470406a，名称为“一种基于双通道信息融合的图神经网络会话推荐方法”的专利申请中，公开了一种基于双通道信息融合的图神经网络会话推荐方法，其实现方案是：步骤1，构建全局信息增强会话表示学习层；步骤2，构建转导信息增强会话表示学习层；步骤3，将时间信息融入到会话序列中的项目表示中用于邻居嵌入学习；该方法弱化在利用其他会话信息时引入的不相关项对模型性能的影响，并且在邻居聚合时融合了时间信息，提升了推荐系统的性能，但其存在不足之处是，该发明的图神经网络直接利用简单的图卷积获取交互特征，使得交互特征中存在大量噪声，同时使用双通道的方法无法建模用户的多个兴趣，导致评分准确率低，推荐系统的准确性仍然较差。

技术实现思路

1、本发明的目的在于克服上述现有技术存在的缺陷，提出一种基于图注意力和多兴趣提取的会话推荐方法，用于解决现有技术中存在的推荐准确性较低的技术问题。

2、为实现上述目的，本发明采取的技术方案包括如下步骤：

3、(1)获取训练样本集和测试样本集：

4、通过m个会话中每个会话sm与d个用户感兴趣物品的交互信息构建的由自连接矩阵输入矩阵输出矩阵和输入-输出矩阵表示的四种会话图，然后将半数以上的交互信息对应的会话图组成训练样本集，将其余的交互信息对应的会话图组成测试样本，其中m≥500，每个会话sm与第d个用户感兴趣物品的交互信息为wm,d，表示实数域；

5、(2)构建基于图注意力和多兴趣提取的会话推荐模型h：

6、构建包括级联的图注意力模块、读出函数模块和预测模块，以及多兴趣提取模块的会话推荐模型h；图注意力模块包括级联的输入层和l个图注意力层；多兴趣提取模块包括l个兴趣提取模块，且每个兴趣提取模块的输入端分别与每个图注意力层连接，多兴趣提取模块的输出端与预测模块连接；所述兴趣提取模块包括并行排布的c个双线性映射网络b和与其级联的门控网络和兴趣聚合层，且l个兴趣聚合层相互连接，其中，l≥2，c≥2；

7、(3)定义会话推荐模型h的总损失函数

8、

9、

10、

11、σ1＝sigmoid

12、其中，为主损失函数，sigmoid为sigmoid非线性激活函数，α为权重，为自监督损失函数，ysm,d、分别为每个会话sm对第d个交互信息的评分、预测评分，分别为第l层的会话sm的兴趣锚点向量、会话向量；

13、(4)对会话推荐模型h进行迭代训练：

14、将训练样本集作为会话推荐模型h的输入进行前向传播，得到训练好的会话推荐模型h*；

15、(5)获取会话推荐结果：

16、将测试样本集作为训练好的会话推荐模型h*的输入进行前向传播，得到会话向量对每个交互信息的预测评分，并选出topk个预测评分对应的物品作为对执行会话的用户推荐的物品，其中，topk≥1。

17、本发明与现有技术相比，具有如下优点：

18、(1)本发明在对会话推荐模型进行训练以及获取向用户推荐物品的过程中，多兴趣提取模块通过双线性映射网络对图注意力模块输出的包含交互特征的交互嵌入向量进行双线性映射，并对映射后的兴趣嵌入向量进行门控加权融合，能够获取用户多个不同的兴趣，与现有技术相比，有效提高了推荐的准确性。

19、(2)本发明在对会话推荐模型进行训练以及获取向用户推荐物品的过程中，图注意力模块通过每个图注意力层的图注意力卷积，以获取多个交互特征噪声抑制后的交互嵌入向量，进一步提高了推荐的准确性。

技术特征：

1.一种基于图注意力和多兴趣提取的会话推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的自连接矩阵输入矩阵输出矩阵和输入-输出矩阵的构造方法为：

3.根据权利要求1所述的方法，其特征在于，步骤(4)中所述的对会话推荐模型h进行迭代训练，实现步骤为：

4.根据权利要求3所述的方法，其特征在于，步骤(3b)中所述的交互嵌入向量的计算公式为：

5.根据权利要求3所述的方法，其特征在于，步骤(3c)中所述的会话向量的计算公式为：

6.根据权利要求3所述的方法，其特征在于，步骤(3d)中所述的兴趣嵌入向量的计算公式为：

7.根据权利要求3所述的方法，其特征在于，步骤(3d)中所述的层兴趣嵌入向量的计算公式为：

8.根据权利要求3所述的方法，其特征在于，步骤(3d)中所述的兴趣锚点向量的计算公式为：

9.根据权利要求3所述的方法，其特征在于，步骤(3e)中所述的预测评分的计算公式为：

技术总结
本发明提出了一种基于图注意力和多兴趣提取的会话推荐方法，实现步骤为：获取训练样本集和测试样本集；构建基于图注意力和多兴趣提取的会话推荐模型；定义会话推荐模型的总损失函数；对会话推荐模型进行迭代训练；获取会话推荐结果。本发明中的图注意力模块能够抑制交互特征中的噪声，多兴趣提取模块通过双线性映射网络对图注意力模块输出的包含交互特征的交互嵌入向量进行双线性映射，并对映射后的兴趣嵌入向量进行门控加权融合，能够获取用户多个不同的兴趣，有效提高了推荐的准确性。

技术研发人员：慕彩红,陈嘉欢,刘逸,陈云龙,王蓉芳,冯婕
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/3/17