[发明专利]一种基于图卷积网络与注意力机制的推荐方法

权利要求书

1.一种基于图卷积网络与注意力机制的推荐方法，其特征在于，包括：

根据用户与物品交互数据，构造用户-物品高阶连接性交互图；

根据所述高阶连接性交互图的高阶连接信息进行建模，并生成推荐模型；

将所述用户与物品交互数据对所述推荐模型进行训练；

训练完成后，所述推荐模型通过内积内积得到用户-物品之间的关联分数，最终根据所述关联分数判断是否将物品推荐给用户；

其中，建模步骤包括：

构造嵌入层：所述嵌入层包括用户ID嵌入向量和物品ID嵌入向量；

构造加入注意力机制的嵌入传播层：所述嵌入传播层根据所述嵌入层输入的所述用户ID嵌入向量和物品ID嵌入向量，利用注意力机制为邻居节点分配不同的权重，并加权聚合邻居节点的特征信息更新所述用户ID嵌入向量和物品ID嵌入向量；

构造预测层：预测用户与物品之间的关联分数。

2.如权利要求1所述的基于图卷积网络与注意力机制的推荐方法，其特征在于，所述根据用户与物品交互数据，构造用户-物品构造高阶连接性交互图包括：

采集MovieLens数据集和Last.fm数据集，并将用户与物品交互数据构造为用户-物品交互二部图。

3.如权利要求1所述的基于图卷积网络与注意力机制的推荐方法，其特征在于，所述构造嵌入层包括：

构建用户-物品交互的邻接矩阵；

对所述邻接矩阵中的数据嵌入向量，生成初始嵌入向量查找表。

4.如权利要求3所述的基于图卷积网络与注意力机制的推荐方法，其特征在于，利用注意力机制为邻居节点分配不同的权重包括：

权重计算公式为:

式中:为第k层中物品节点i的特征对于用户节点u的贡献度；||为向量的拼接；α是注意力计算函数；和分别为用户u和物品i经过k层传播后的嵌入；N_u为用户u交互过的物品集合；m为物品数量；为第k层u节点的每一个相邻节点i的权重。

5.如权利要求1所述的基于图卷积网络与注意力机制的推荐方法，其特征在于，所述推荐模型通过内积内积得到用户-物品之间的关联分数，最终根据所述关联分数判断是否将物品推荐给用户包括：

将嵌入传播层学习到的嵌入向量加权聚合为最终的嵌入向量，模型将最终的嵌入向量进行简单的内积处理得到用户与物品之间的关联分数进行预测，并为最终用户推荐可能感兴趣的物品。