[发明专利]基于领域间和领域内关系的跨领域推荐方法及系统

权利要求书

1.一种基于领域间和领域内关系的跨领域推荐方法，其特征在于，根据不同领域用户或物品间的评论信息转换为用户或物品的语义关系，构建得到跨领域异构图，并在每个领域内，利用用户或物品的语义关系构建得到单领域异构图；再在两种异构图的基础上设计基于领域间和基于领域内关系的跨领域推荐系统模型，用于同步地学习用户或物品的跨领域不变性和单领域特殊性，并通过门控融合机制生成对每个用户的个性化推荐结果。

2.根据权利要求1所述的基于领域间和领域内关系的跨领域推荐方法，其特征是，具体包括：

步骤1、数据预处理：对用户与物品交互数据包含评分和评论记录，即user,item,raitng,review进行初步处理，

步骤2、异构图构建：给定两个领域A和B，本实施例利用用户对物品的评分和评论数据建立关系及关系矩阵，在此基础上构建异构图；

步骤3、根据步骤2得到的两种异构图构建基于领域间和领域内关系的跨领域推荐模型，为每个用户或物品学习到一个关系感知的向量表达，并通过门控融合机制融合跨领域不变性和单领域特殊性，

步骤4、采用交叉熵损失函数训练基于领域间和领域内关系的跨领域推荐模型；

步骤5、通过训练后的模型对每个用户计算与两个领域的所有物品之间的预测概率，并基于预测概率对物品进行排序，得到针对该用户的个性化推荐的结果，从而实现在两个领域的双目标推荐。

3.根据权利要求1所述的基于领域间和领域内关系的跨领域推荐方法，其特征是，所述的基于领域间和领域内关系的跨领域推荐模型包括：嵌入层、关系感知图卷积层、门控融合层和输出层，其中：嵌入层采用one-hot向量X为共同用户U、领域A物品I和领域B物品J，并将高维one-hot向量转换成低维表达；关系感知图卷积层考虑到节点之间不同类型的关系，在聚合目标节点的邻居节点时，同时考虑节点之间的关系类型并捕获不同图中用户和物品目之间异构连接性，再拼接不同层的向量表达组成最终的向量表达；门控融合层在跨领域异构图上利用神经网络模型生成用户和物品的跨领域不变性(和)和单领域特殊性(和)，利用两个共享部分参数的门控单元实现双领域目标推荐任务；输出层生成最终用户的向量表达和以及最终物品的向量表达和用户u和物品i或者j之间的预测概率为：

4.一种实现权利要求1～3中任一所述方法的基于领域间和领域内关系的跨领域推荐系统，包括：预处理单元、异构图构建单元、嵌入层、图卷积层、门控融合层以及输出层，其中：预处理单元对原始评分和评论数据进行初步处理，得到输入数据；异构图构建单元根据输入数据生成反映用户-用户、物品-物品、用户-物品之间的多维度关系的关系矩阵，并在关系矩阵的基础上构建两个单领域异构图和一个跨领域异构图；嵌入层将高维度的异构图转化为低维空间的向量；图卷积层考虑到节点之间不同类型的关系，利用异构图神经网络技术转化至低维空间的向量进行建模以获取关系感知的特征向量；门控融合层对特征向量进行深度融合并进一步提取出关键特征；输出层根据关键特征计算出最终用户和物品的特征向量表达，并利用输出函数为用户和物品的交互关系。