[发明专利]一种基于时间增强的图神经网络会话推荐方法

说明书

本发明涉及互联网大数据技术领域，具体涉及一种基于时间增强的图神经网络会话推荐方法，其将目标会话输入经过训练的时间增强图神经网络模型中；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。本发明的会话推荐方法能够基于用户兴趣漂移程度提升项目嵌入的质量，从而能够提升会话推荐的准确性。

技术领域

本发明涉及互联网大数据技术领域，具体涉及一种基于时间增强的图神经网络会话推荐方法。

背景技术

基于会话的推荐是一种针对匿名用户或未登录用户的推荐模式，其在如今的各大电商平台(淘宝、京东等)或流媒体平台(抖音，YouTobe等)发挥着重要作用。实际场景中，某些时候只能获取到用户的短期历史交互，比如：新用户或未登录用户。此时，依赖于用户长期历史交互的推荐算法在会话推荐中的表现会收到限制，例如基于协同过滤或马尔可夫链的方法。因此，基于会话的推荐成为一个研究热点，其目标是根据用户在会话中的行为序列来推荐用户感兴趣的下一个项目(或商品)。

针对现有会话推荐方法的项目推荐准确性不高的问题，公开号为CN112035746A的中国专利公开了《一种基于时空序列图卷积网络的会话推荐方法》，其包括：将所有会话序列建模为有向会话图；以会话中共有的商品为链接，构建全局图；将ARMA过滤器嵌入到门控图神经网络中，提取图模型中随时间变化的拓扑图信号，并得到会话图中涉及的各个节点的特征向量；采用注意力机制从用户历史会话中得到全局偏好信息；从用户点击的最后一个会话中获取用户的局部偏好信息，并结合全局偏好信息得到用户最终偏好信息；预测每个会话中下一点击商品可能出现的概率，并给出Top-K推荐商品。

上述现有方案中的会话推荐方法从全局图中捕获丰富的会话表示(上下文关系)，通过注意力机制学习用户的全局和局部偏好，进而提供准确的商品预测。但是现有会话推荐方法在探索项目间过渡关系中用户兴趣变化方面所做的努力有限，其一般是平等地对待项目之间的每个转换关系，忽略了转换关系中丰富的用户兴趣漂移信息，进而只能捕获连续动作之间的顺序转换，而不能有效地建模非相邻动作之间的复杂转换，使得项目嵌入的质量偏低，导致会话推荐的准确性仍然不高。因此，如何设计一种能够基于用户兴趣漂移程度提升项目嵌入质量的会话推荐方法是亟需解决的技术问题。

发明内容

针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种基于时间增强的图神经网络会话推荐方法，以能够基于用户兴趣漂移程度提升项目嵌入质量，从而提升会话推荐的准确性。

为了解决上述技术问题，本发明采用了如下的技术方案：

一种基于时间增强的图神经网络会话推荐方法，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。

优选的，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；