[发明专利]一种基于异构图的食品膳食推荐方法

说明书

本发明提供一种基于异构图的食品膳食推荐方法，包括以下步骤：S1、收集用户数据、商品数据及用户和商品的交互数据并构造数据集，根据所述数据集构建异构图；S2、构建图表示学习任务模块，将所述异构图输入到所述图表示学习任务模块中进行训练，得到不同层的用户节点向量、用户类别节点向量和物品节点向量；S3、构建推荐任务模块，将所述不同层的用户节点向量和所述不同层的物品节点向量输入到所述推荐任务模块，得到用户推荐的膳食。本发明通过将属性信息引入到用户‑商品二部图中，并采用多任务学习框架，能够解决数据稀疏性和冷启动问题，能够为用户推荐合适的膳食，预测其可能出现的健康问题。

技术领域

本发明食品推荐技术领域，具体涉及一种基于异构图的食品膳食推荐方法。

背景技术

近二十年来，我国肥胖的患病率逐年增长，肥胖是糖尿病、心血管疾病及其他代谢性疾病的危险因素。科学合理的饮食调整是目前最有效、最安全的基础治疗之一。为了实现在控制总能量的基础上平衡膳食，需要一种简单易行的方法来追踪所吃食物的营养信息，为用户推荐合理膳食。

此外，推荐算法可根据用户的历史行为，自动挖掘用户的兴趣喜好，从而为用户提供个性化的推荐。传统推荐算法(如协同过滤算法等)普遍存在数据稀疏性和冷启动问题。

因此，有必要提供一种能够为用户提供合理、多样化的食物，并预测其健康问题，同时，能够缓解数据稀疏性和冷启动问题的食品膳食推荐方法。

发明内容

针对以上技术问题，本发明提供一种基于异构图的食品膳食推荐方法，通过将属性信息引入到用户-商品二部图中，构建异构图改善推荐系统的推理能力，并采用多任务学习框架，提升推荐模型的性能，并能够有效解决数据稀疏性和冷启动问题，能够为用户推荐合适的膳食，同时能够预测其可能出现的健康问题。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于异构图的食品膳食推荐方法，包括以下步骤：

S1、收集用户数据、商品数据及用户和商品的交互数据并构造数据集，根据所述数据集构建异构图；

S2、构建图表示学习任务模块，将所述异构图输入到所述图表示学习任务模块中进行训练，得到用户节点向量、用户类别节点向量和物品节点向量；

S3、构建推荐任务模块，将所述用户节点向量和所述物品节点向量输入到所述推荐任务模块，得到用户推荐的膳食。

优选地，所述用户数据包括用户信息及用户类别信息；

所述商品数据包括商品信息及商品类别信息；

所述用户和商品的交互数据为用户对商品的偏好数据。

优选地，所述异构图包括四类节点及三类关系；

其中四类节点包括用户、物品、用户类别及物品类别；

三类关系包括用户类别与用户的归属关系、用户与物品的交互关系、物品类别与物品的归属关系。

优选地，所述步骤S2的过程为：

S21、采用TransR方法对所述异构图进行图表示学习，输出图表示学习结果；

S22、将通过TransR方法得到的图表示学习结果输入到图神经网络模型中进行特征提取，获得用户节点向量、物品节点向量及用户类别节点向量。

优选地，所述步骤S3的过程为：

S31、将所述用户节点向量进行拼接，得到用户最终表示向量，将所述物品节点向量进行拼接，得到物品最终表示向量；

S32、计算所述用户最终表示向量和物品最终表示向量之间的相似度，根据所述相似度结果得到用户推荐的膳食。