[发明专利]一种基于时间增强的图神经网络会话推荐方法

权利要求书

1.一种基于时间增强的图神经网络会话推荐方法，其特征在于：将目标会话输入经过训练的时间增强图神经网络模型中；所述时间增强图神经网络模型通过会话项目转换发生的时间间隔生成用户兴趣漂移程度，并构造能够根据用户兴趣漂移程度对应处理会话项目间转换关系的时间增强会话图，然后基于时间增强会话图学习项目嵌入并生成新会话表示，最后基于新会话表示计算候选项目的概率分布，以完成会话推荐；

时间增强图神经网络模型通过如下步骤完成会话推荐：

S1：将目标会话S＝(v₁,v₂,…,v_n)映射到会话嵌入序列H＝(h₁,h₂,…,h_n)；

S2：基于目标会话的会话图，将用户兴趣漂移的程度映射到会话图的边的权重以生成对应的时间增强会话图；

S3：通过多层时间图卷积网络基于时间增强会话图和会话嵌入序，学习时间增强会话图的项目表示并聚合项目的高阶相邻信息，以生成对应的会话项目表示；

S4：通过时间兴趣注意力网络为目标会话中的各个会话项目分配用户兴趣箱，并生成用户兴趣箱序列表示；然后将用户兴趣箱序列表示与会话项目表示聚合生成新会话表示；

S5：基于新会话表示计算长期兴趣表示和短期兴趣表示，并融合得到会话最终表示；然后基于会话最终表示选取候选项目，并计算候选项目的概率分布，以完成会话推荐；

步骤S2中，时间增强会话图的定义为：对于目标会话S＝(v₁,v₂,…,v_n)，其时间增强会话图为g_s＝(V_s,ε_s,W_s)，其中，ε_S代表边的集合，W_S表示边的权重矩阵；

每个节点v_i∈V_S和边(v_i-1,v_i)∈ε_s表示两个连续的项目v_i-1和v_i邻接关系，其矩阵表达形式为入边矩阵A^I和出边矩阵A^O；每条边(v_i-1,v_i)都对应着一个权重W_i-1,i∈W_S；每个节点v_i∈V_S添加了自连边，其矩阵表示为自连接矩阵A^S；

步骤S3中，通过如下步骤生成会话项目表示：

S301：通过多层时间图卷积网络的第l层输出嵌入表示h_i^l；

S302：将多层时间图卷积网络输出的嵌入表示h_i^L作为会话项目v_i∈S的嵌入表示；

S303：通过高速公路网络将多层时间图卷积网络输出的嵌入表示与其初始嵌入的表示进行合并得到会话项目v_i∈S的项目表示并生成会话项目表示

步骤S4中，通过如下步骤生成新会话表示：

S401：基于目标会话S中每个会话项目的点击时间戳T＝(t₁,t₂,…,t_n)计算每个项目距离最后一个项目的时间间隔序列Q＝(q₁,q₂,…,q_n)；

S402：将时间间隔序列Q映射为兴趣敏感序列Γ＝(γ₁,γ₂,…,γ_n)，并计算自适应时间跨度μ；

S403：通过时间兴趣注意力网络基于自适应时间跨度μ为目标会话S中的各个会话项目分配用户兴趣箱bin_i，并生成用户兴趣箱序列B＝(bin₁,bin₂,…,bin_n)；

S404：将用户兴趣箱序列B＝(bin₁,bin₂,…,bin_n)中的各个用户兴趣箱bin_i映射到低维稠密向量e_i，并生成对应的用户兴趣箱表示E…(e₁,e₂,…,e_n)；

S405：通过非对称门控循环神经网络对用户兴趣箱表示的前向上下文信息和后向上下文信息进行不对称处理，生成对应的用户兴趣箱序列增强表示

S406：通过注意力机制聚合用户兴趣箱序列增强表示和会话项目表示生成捕获了项目顺序结构信息和用户时间兴趣特征的新会话表示C＝(c₁,c₂,…,c_n)。