[发明专利]一种会话推荐方法及装置

说明书

本发明属于人工智能技术领域，本发明提供了一种会话推荐方法及装置，会话推荐方法包括：将多个会话序列转换为会话图；根据每个会话图中当前节点的前向节点隐藏向量以及后向节点隐藏向量生成所述当前节点的向量表示；根据向量表示从多个会话序列中选择推荐会话，并推荐至用户。本发明克服了现有技术中不能学习非相邻复杂会话的方向信息及引入信息冗余导致的推荐性能下降的缺点，提出了一种基于双向图神经的会话推荐方法。解决了不能在非相邻会话网络中识别有用的方向信息及节点之间有用的连接。在公开的会话推荐任务中都取得了最好的性能，同时学习到的会话表示对于会话长度非常健壮，在长会话和短会话中都表现出了最好的性能。

技术领域

本申请属于人工智能技术领域，具体涉及一种会话推荐方法及装置。

背景技术

在现有的会话推荐技术领域中，传统的会话推荐方法一般是通过将当前会话映射到一个马尔可夫链来预测下一个点击项。但这种方法不适用于匿名会话推荐，因为基于马尔科夫的方法只考虑两个相邻项的顺序转换。循环神经网络模型采用连续隐状态之间的非线性过渡来模拟会话序列中的因果因素。多层门控循环单元，如GRU4REC，利用其复杂的隐藏动态来捕获长期依赖。NARM利用注意机制集成全局编码器和局部编码器，从项目转换方面进行了改进。STAMP采用一个基于注意的短期记忆网络来捕获会话的当前兴趣。

马尔科夫链属性被转换为假设下一个用户操作仅依赖于有限数量的最近操作，马尔可夫属性限制了会话处理的历史依赖性。基于马尔科夫和基于循环神经网络的方法仅仅对会话的相邻时间序列进行事项转换的预测建模，但不能对非相邻的复杂会话进行会话表示学习。现有图神经的方法都有一个共同的局限性，即在会话推荐中只处理固定方向的同构图，忽略了节点或边缘类型的多样性和方向特征之间的潜在相关性。图的构造并不简单，特别是当一个会话有多个节点和代表复杂关系的边类型时。现有的方法忽略了节点或边类型差异的存在，并对图进行了均匀表示。由于缺少类型信息，这种表示不是最优的。这些特性会显著影响基于会话的推荐任务的准确性。

发明内容

本发明可用于人工智能技术在金融方面应用的技术领域，也可用于除金融领域之外的任意领域，本发明解决了不能在非相邻会话网络中识别有用的方向信息及节点之间有用的连接的技术缺陷。在公开的会话推荐任务中都取得了最好的性能，同时学习到的会话表示对于会话长度非常健壮，在长会话和短会话中都表现出了最好的性能。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种会话推荐方法包括：

将多个会话序列转换为会话图；

根据每个会话图中当前节点的前向节点隐藏向量以及后向节点隐藏向量生成所述当前节点的向量表示；

根据所述向量表示从所述多个会话序列中选择推荐会话，并推荐至用户。

一实施例中，所述根据每个会话图中当前节点的前向节点隐藏向量以及后向节点隐藏向量生成所述当前节点的向量表示，包括：

利用双向图神经网络双向学习所述前向节点隐藏向量以及后向节点隐藏向量，以生成所述向量表示。

一实施例中，所述利用双向图神经网络双向学习所述前向节点隐藏向量以及后向节点隐藏向量，以生成所述向量表示，包括：

根据所述会话图的节点向量、权值、偏置参数以及对应的出度/入度矩阵生成更新函数；

根据所述更新函数学习所述前向节点隐藏向量以及后向节点隐藏向量，以生成所述向量表示。

一实施例中，所述根据所述向量表示从所述多个会话序列中选择推荐会话，并推荐至用户，包括：

打包每个会图画的所有节点的向量表示，得到当前会话图所对应会话的向量表示；