基于增强图神经网络的会话推荐方法、系统及介质与流程

技术特征：
1.一种基于增强图神经网络的会话推荐方法，其特征在于，包括：步骤1：获取会话内用户点击物品的序列数据并进行过滤；步骤2：构建会话感知图神经网络，将用户在会话内交互物品序列转换为有向图结构，每个物品转换为唯一结点，并在图中加入会话结点学习当前会话表示，物品结点间的有向边表示物品交互的先后顺序；步骤3：通过门控图神经网络ggnn进行会话图上的消息传播，捕获邻居结点的信息以更新当前结点；步骤4：利用注意力机制结合物品的位置编码，增强会话结点表示；步骤5：根据用户交互的历史物品序列学习的会话表示，预测用户下一时刻的交互行为，实现用户下一时刻交互行为的推荐。2.根据权利要求1所述的基于增强图神经网络的会话推荐方法，其特征在于，所述会话感知图神经网络对获取的会话内用户点击物品的序列数据进行预处理，包括：去除会话中被点击频率超出预设范围的物品，过滤会话序列长度仅为1的会话数据，将每一条会话数据分割多条会话数据以增强数据。3.根据权利要求1所述的基于增强图神经网络的会话推荐方法，其特征在于，构建会话图，包括：输入会话内用户点击物品序列s＝{v1，v2，...，v
n
}，输出对应的会话图g＝(v，a
in
，a
out
)，其中，v是所构建图中结点集合，由物品结点v1，v2，...，v
n
和会话结点v
s
组成；a
in
，a
out
为构建图的邻接矩阵；点击序列中邻接物品结点v
i
和物品结点v
i 1
之间构建有向边；会话中每个物品结点v
i
都与会话结点v
s
构建有向边。4.根据权利要求3所述的基于增强图神经网络的会话推荐方法，其特征在于，构建物品-会话交互模型，包括嵌入层、门控图神经网络层以及注意力层；所述嵌入层：输入构建的会话图结点集合v，将每一个结点v
i
表示为一个向量v
i
，输出会话图结点的向量表示v1，v2，...，v
n
，v
s
；所述门控图神经网络层：输入会话序列构建的会话图g＝(v，a
in
，a
out
)，利用门控图神经网络ggnn捕捉图中每个结点与邻居结点的关系，并更新结点的表征，表达式为：结点与邻居结点的关系，并更新结点的表征，表达式为：结点与邻居结点的关系，并更新结点的表征，表达式为：其中，f
in
和f
out
是两个函数，分别计算通过入边、出边连接v
i
的邻居结点传递的信息；n
in
(i)和n
out
(i)分别表示通过入边、出边连接vi的邻居结点集合；表示结点v
i
在图神经网络第l层的状态向量；w
in
和w
out
分别表示入边、出边连接的邻居结点信息的投影矩阵；b
in
和b
out
表示偏移量；j表示相对位置最小距离阈值；k表示相对位置最大距离阈值；所述注意力层：
输入会话图中所有结点向量v1，v2，...，v
n
，v
s
，使用注意力机制结合位置编码捕捉物品结点在会话序列中的位置信息和每一个用户点击的物品对于会话的贡献度，以重新调整会话结点的向量表示；首先为每个物品生成一个位置编码，表达式为：先为每个物品生成一个位置编码，表达式为：其中，n表示当前会话序列的长度；l
i
∈[1，n]表示v
i
在会话序列中的位置；和表示物品v
i
的逆序位置编码；和和是两个位置编码的参数矩阵。5.根据权利要求4所述的基于增强图神经网络的会话推荐方法，其特征在于，使用注意力机制结合位置信息，给不同物品结点计算不同的重要性权重，来加强会话结点的表示，表达式为：达式为：达式为：其中，包含物品结点对于整个会话重要程度信息和位置信息；表示会话序列中除去v
i
以外的物品结点的集合；a
i
表示第i个物品结点向量vi的权重；σ是sigmod激活函数；w
a
、以及是权重矩阵；b
a
是偏移量；利用门控机制结合门控图神经网络中所有物品结点聚合的会话信息和注意力机制所聚合的会话信息，表达式为：其中，β表示包含品结点对于整个会话重要程度信息和位置信息的的权重；和是矩阵权重；和是偏移量；调整并更新会话结点向量调整并更新会话结点向量其中，为会话结点在第l层的最终表示。6.根据权利要求5所述的基于增强图神经网络的会话推荐方法，其特征在于，构建融合及预测模型，包括：输入为第l层的会话向量和最后一个点击物品向量输出最终会话表征h
s
进行预测；利用最后一个点击的物品向量代表用户近期的喜好，并使用门控图神经网络结合长期兴趣和近期喜好，得到会话结点向量的权重γ和当前输入会话序列的最终表征h
s
，表
达式为：达式为：其中，和是矩阵权重；和是偏移量；利用会话表征h
s
计算用户下一次点击物品的概率，表达式为：其中，表示数据集中所有物品被用户下一次点击概率分布；|i|表示数据集中物品集合i的所有物品的数量；e由所有物品的嵌入向量组成。7.根据权利要求6所述的基于增强图神经网络的会话推荐方法，其特征在于，利用分类问题的交叉熵目标函数作为基于会话推荐系统的目标函数，目标函数为：其中，l表示训练的目标函数；表示输入样本后模型预测的下一次点击物品为物品i的概率；y
i
表示样本s下一个点击物品的真实值；τ表示训练集，s表示训练集中的训练样本包含用户会话内历史点击序列数据和下一次点击物品。8.根据权利要求7所述的基于增强图神经网络的会话推荐方法，其特征在于，为了防止模型过拟合，在每层神经网络添加随机失活dropout，然后对模型参数添加l2正则项，最终的目标函数为：其中，θ表示模型的所有参数；λ表示一个控制正则项惩罚强度的超参；||θ||表示θ的范数。9.一种基于增强图神经网络的会话推荐系统，其特征在于，执行权利要求1-8中任一项所述的基于增强图神经网络的会话推荐方法，包括：模块m1：获取会话内用户点击物品的序列数据并进行过滤；模块m2：构建会话感知图神经网络，将用户在会话内交互物品序列转换为有向图结构，每个物品转换为唯一结点，并在图中加入会话结点学习当前会话表示，物品结点间的有向边表示物品交互的先后顺序；模块m3：通过门控图神经网络ggnn进行会话图上的消息传播，捕获邻居结点的信息以更新当前结点；模块m4：利用注意力机制结合物品的位置编码，增强会话结点表示；模块m5：根据用户交互的历史物品序列学习的会话表示，预测用户下一时刻的交互行为，实现用户下一时刻交互行为的推荐。10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

技术总结
本发明提供了一种基于增强图神经网络的会话推荐方法、系统及介质，包括：步骤1：获取会话内用户点击物品的序列数据并进行过滤；步骤2：构建会话感知图神经网络，将用户在会话内交互物品序列转换为有向图结构，每个物品转换为唯一结点，并在图中加入会话结点学习当前会话表示，物品结点间的有向边表示物品交互的先后顺序；步骤3：通过门控图神经网络进行会话图上的消息传播，捕获邻居结点的信息以更新当前结点；步骤4：利用注意力机制结合物品的位置编码，增强会话结点表示；步骤5：根据用户交互的历史物品序列学习的会话表示，预测用户下一时刻的交互行为。本发明能够有效的捕捉物品与整个会话的关系，提高用户行为预测精度。提高用户行为预测精度。提高用户行为预测精度。


技术研发人员：曹紫涵 沈艳艳
受保护的技术使用者：上海交通大学
技术研发日：2021.10.11
技术公布日：2022/2/28