[发明专利]一种基于知识增强注意力图神经网络的下一项推荐方法

说明书

本发明公开了一种基于知识增强注意力图神经网络的下一项推荐方法，包括下列步骤：将一个会话数据集中的每个会话表示为会话中项目序列、会话的目标行为序列和会话的辅助行为序列，并将该会话数据集划分为训练集、测试集和验证集；利用所述训练集构建一个基于知识增强注意力图神经网络的下一项推荐方法NR‑KAGNN的初始模型；利用所述训练集和验证集对所述NR‑KAGNN的初始模型进行参数调节后得到NR‑KAGNN的优化模型，并使用所述测试集评估该优化模型的推荐准确度；利用所得的NR‑KAGNN的优化模型为会话数据集中或实际会话数据中的用户提供下一项推荐。本发明提供的下一项推荐方法具有推荐准确度高的特点，在音乐、电影、在线新闻、电子商务等众多领域具有广阔的应用前景。

技术领域

本发明属于基于会话的推荐系统技术领域，涉及基于深度神经网络的下一项推荐方法，尤其是一种基于知识增强注意力图神经网络的下一项推荐方法。

背景技术

在信息过载和数字化经济时代，推荐系统(recommender system，RS)在消费、服务和决策方面发挥着越来越重要的作用。基于会话的推荐系统(session-based recommendersystem，SBRS)也称为会话推荐系统，是近年来形成的一种推荐系统的新范式(参见：Shoujin Wang，Longbing Cao，Yan Wang，Quan Z.Sheng，Mehmet A.Orgun，Defu Lian：ASurvey on Session-based Recommender Systems.ACM Comput.Surv.54(7)：154：1-154：38(2022).https：//doi.org/10.1145/3465401)。会话推荐系统主要根据用户的会话(session)信息来捕获用户的短期、动态偏好，以便为用户提供更及时和准确的推荐。在会话推荐系统中，一个会话是由某个用户在一个连续时间段内发出的用户-项目交互(user-item interaction)所组成的一个非空有界列表；用户-项目交互通常简称为交互或行为(action或behavior)。给定一个用户，每个交互可表示成一个二元组：(项目，项目对应的行为类型)，其中，行为类型可以是目标行为(target behavior)或辅助行为(auxiliarybehavior)(参见：Wen Wang，Wei Zhang，Shukai Liu，Qi Liu，Bo Zhang，Leyu Lin，Hongyuan Zha：Beyond Clicks：Modeling Multi-Relational Item Graph for Session-Based Target Behavior Prediction.WWW 2020：3056-3062.https：//doi.org/10.1145/3366423.3380077)。一个推荐系统在某个时段所涉及的交互数据通常包含用户、项目、用户-项目交互和交互时间戳；一定数量的交互数据构成一个交互数据集。在会话推荐系统中，需要将交互数据集转换成会话数据集(session dataset)，其转换方法与步骤如下：首先将一个交互数据集中的交互数据先按用户进行分组，然后针对每个用户的交互数据作以下处理：将交互数据按交互时间戳的升序进行排序，并将排序后的交互数据按一定的时间间隔划分成若干个会话，形成该用户的会话数据；所有用户的会话数据构成一个会话数据集。