[发明专利]基于会话推荐系统的用户偏好预测方法

权利要求书

1.基于会话推荐系统的用户偏好预测方法，其特征在于，包括以下步骤，

S1，读取匿名会话数据，并进行预处理，得到会话序列训练测试集；

所述步骤S1具体包括，

S1.1，对原始会话数据进行过滤，

原始的会话序列，包含了多个匿名用户的交互序列，每个交互序列是用户与物品的交互，记录形式为物品的编号，过滤行为将过滤掉会话长度短的会话，以及在数据集中出现次数少于阈值的物品；

S1.2，对原始会话数据进行生成训练测试集，

过滤数据后，通过将每个会话序列，按照最左原则生成多个子序列，每个子序列和他后面的一个值构成一个训练数据，具体来说，一个会话序列定义如下：

s＝[s_s,1,s_s,2,…,s_s,t]

其中s_s,i是第i个物品的id并且t表示当前会话的长度，属于这个序列S中的每个物品都属于物品总集合V＝{v₁,v₂,…,v_|N|}，

生成训练测试集合的时候，采取如下方式：

({s_s,1},s_s,2),({s_s,1,s_s,2},s_s,3),…,({s_s,1,…,s_s,t-1},s_s,t)

一个会话序列S将被拆分为t-1个训练测试集；

S2，根据步骤S1得到的会话序列构建有向带权图；

所述步骤S2将根据步骤S1得到的会话数据输入模型构建会话图，将会话中的每个物品表示为图中一个顶点，图上的有向边表示为物品之间的交互，权值为交互次数，

S2.1，顶点映射

将每个物品映射为图中的一个顶点v_s,i，其中，同样的物品会被映射为同一个顶点，因此图中顶点数将小于等于会话物品数；

S2.2，边映射

在一个长度为t的会话序列S中，t-1个元组(v_s,i-1,v_s,i)将被生成，其中每个元组表示在会话序列S中用户在点击v_s,i前先点击了v_s,i-1；

S2.3，权值映射

在会话中可能会有重复项，因此会造成冗余元组，冗余元组(v_s,p,v_s,q)暗示了v_s,p后出现v_s,q的频率高，将元组的出现次数定义为这两个节点之间的权重w_p,q；

S3，基于有向带权图，基于图神经网络学习图中每个顶点的向量表示；所述步骤S3具体包括以下步骤，

S3.1，GNN函数

GNN网络的目标是学习一个映射函数f，来生成顶点v的向量表示；

S3.2，GAT-EW网络实现

系数矩阵，定义如下：

A_GAT-EW(G)＝[a_ij]_t×t

其中a_ij是通过自注意机制计算出来的，表示了顶点i到顶点j的重要性，

在第一阶段，注意力系数e_ij会通过注意力函数Attn被计算出来如下：

e_ij＝Attn(Wx_i,Wx_j)

再通过一个sofrmax函数和LeakyReLU激活函数得到α_ij，

其中||表示两个向量的连接操作，在上述操作后，在不同顶点间正则化后的注意力系数被得到，GAT-EW为每个顶点预测输出值如下：

其中w_ij表示了顶点i到j的权重；

S4，基于自注意网络和池化层分别获取用户的长期和短期偏好；

S5，运用注意力机制自动学习长期偏好和短期偏好各自的重要性，结合他们完成预测。