[发明专利]一种基于图神经网络的协同过滤推荐系统

权利要求书

1.一种基于图神经网络的协同过滤推荐系统，其特征在于：包括用户-项目二部图生成模块、所述多属性嵌入信息生成模块、隐式关系构建模块、数据融合模块和推荐模块。

所述用户-项目二部图生成模块获取用户对若干待推荐项目的评分，生成用户-项目二部图g，并传输至多属性嵌入信息生成模块和隐式关系构建模块；

所述多属性嵌入信息生成模块对所述用户-项目二部图g进行处理，生成用户多属性嵌入信息和项目多属性嵌入信息，并传输至数据融合模块；

所述隐式关系构建模块利用用户-项目二部图构造用户-用户及项目-项目图建模隐式关系信息，并传输至数据融合模块；

所述数据融合模块对用户多属性嵌入信息、项目多属性嵌入信息、隐性关系信息进行融合，得到用户及项目的最终嵌入表示；所述最终嵌入表示传输至推荐模块；

所述推荐模块基于用户及项目的最终嵌入表示计算用户对项目的偏好评级。

2.根据权利要求1所述的一种基于图神经网络的协同过滤推荐系统，其特征在于：将用户对项目的评分建模为用户-项目二部图其中，u和分别代表用户集和待推荐项目集；和分别表示用户集和待推荐项目集的特征矩阵；N_u为用户总数；N_i为待推荐项目总数；d表示特征维数；评分集包含用户对每个已交互项目的评分等级；评分集R为最高评分等级；ε表示边集合；集合ε中的任意条边e＝(u，i，r)∈ε表示用户u对项目i有明确评分等级r。

3.根据权利要求1所述的一种基于图神经网络的协同过滤推荐系统，其特征在于，所述多属性嵌入信息生成模块生成用户和项目嵌入信息的步骤包括：

1)从用户-项目二部图中提取M个潜在属性空间；其中，第m个潜在属性空间影响用户-项目交互中的第m个交互可能性；

2)提取用户潜在属性空间和项目潜在属性空间

其中，用户u的第m个潜在属性空间和项目i的第m个潜在属性空间分别如下所示：

式中，W＝{W₁，W₂，…，W_M}为用户潜在属性空间变换矩阵；Q＝{Q₁，Q₂，…，Q_M}为项目潜在属性空间变换矩阵；m＝1，…，M；u_u、p_i为用户u、项目i的特征；

3)计算用户u在第m个潜在属性空间下与项目i交互的可能性即：

式中，att_node表示节点级注意力神经网络；

4)利用softmax函数计算权重系数即：

式中，σ表示激活函数；a_m表示在第m个潜在属性空间下的节点级注意力向量；为项目集；

5)计算用户u的潜在属性空间集其中，用户u的第m个潜在属性特征如下所示：

计算每个潜在属性空间的权重，即：

式中，表示第M个潜在属性空间的权重，att_spac表示属性空间级注意力神经网络；

6)计算用户u的本身潜在属性特征和其潜在属性空间的联合嵌入即：

式中，C_m表示权重矩阵；b_m表示偏置向量；

计算第m个潜在属性空间的重要性即：

式中，q表示注意力向量；b表示偏置；

归一化计算得到第m个潜在属性空间的权重即：

7)生成二部图模块的用户嵌入信息z_u和项目嵌入信息z_i，即：

式中，为项目i第m个潜在属性空间的权重；为项目i的第m个潜在属性特征。