[发明专利]基于异构图注意力网络的电影推荐方法、装置及设备

说明书

本发明公开了一种基于异构图注意力网络的电影推荐方法，包括：获取用户的电影推荐数据；基于预设的向量映射模型将电影推荐数据映射为对应的实体向量；基于预设的节点级注意力神经网络计算实体向量之间的权重；根据实体向量和权重构建异构图注意力网络；将异构图注意力网络输出的嵌入信息输入至预设的MLP模型进行分析，得到用户对应的电影推荐结果。可见，本发明能够在电影推荐系统中，根据用户的电影推荐数据实时地更新异构图注意力网络，根据用户的电影推荐数据实时地对电影推荐过程进行调整，提高最终的电影推荐结果的准确度。本发明还涉及区块链技术领域。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于异构图注意力网络的电影推荐方法、装置、计算机设备以及存储介质。

背景技术

随着计算机技术的发展，计算机推荐系统已经被广泛地应用于各种生活场景中，计算机推荐系统也已经有越来越多的研究工作和落地实践。目前，计算机推荐系统的实现形式主要有以下三种：基于协同过滤的推荐系统(CF，Collaborative Filterin)、协同基于内容的推荐系统(CB，Content Base)和混合推荐系统。然而，这些实现形式大多都采用静态偏好推荐的形式，在一些灵活多变的应用场景中，这些实现形式的推荐系统大多表现得并不理想。例如，在应用于电影推荐的推荐系统中，用户真正感兴趣的电影很容易受到社会热点、朋友推荐、近期观看的其他电影等因素的影响，此时，基于静态偏好建模实现的推荐系统往往不能够实时地理解用户的偏好，容易导致最终的电影推荐结果的准确度降低。可见，目前的电影推荐系统的推荐准确度仍有进一步提升的空间。

发明内容

本发明所要解决的技术问题在于，目前的电影推荐系统的推荐准确度较低。

为了解决上述技术问题，本发明第一方面公开了一种基于异构图注意力网络的电影推荐方法，所述方法包括：

获取用户的电影推荐数据；

基于预设的向量映射模型将所述电影推荐数据映射为对应的实体向量；

基于预设的节点级注意力神经网络计算所述实体向量之间的权重；

根据所述实体向量和所述权重构建异构图注意力网络，其中，所述异构图注意力网络基于预设的语义级别注意力机制对所述异构图注意力网络中的节点进行分析，输出语义级的嵌入信息；

将所述异构图注意力网络输出的嵌入信息输入至预设的MLP模型进行分析，得到所述用户对应的电影推荐结果。

本发明第二方面公开了一种基于异构图注意力网络的电影推荐装置，所述装置包括：

获取模块，用于获取用户的电影推荐数据；

映射模块，用于基于预设的向量映射模型将所述电影推荐数据映射为对应的实体向量；

计算模块，用于基于预设的节点级注意力神经网络计算所述实体向量之间的权重；

构建模块，用于根据所述实体向量和所述权重构建异构图注意力网络，其中，所述异构图注意力网络基于预设的语义级别注意力机制对所述异构图注意力网络中的节点进行分析，输出语义级的嵌入信息；

分析模块，用于将所述异构图注意力网络输出的嵌入信息输入至预设的MLP模型进行分析，得到所述用户对应的电影推荐结果。

本发明第三方面公开了一种计算机设备，所述计算机设备包括：

存储有可执行程序代码的存储器；

与所述存储器连接的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于异构图注意力网络的电影推荐方法中的部分或全部步骤。