[发明专利]基于多图多角度图神经网络的服务推荐方法及装置

权利要求书

1.一种基于多图多角度图神经网络的服务推荐方法，其特征在于，包括以下步骤：

根据服务生态系统中存在的用户之间的社交信息、用户与服务的调用交互信息以及服务之间的组合信息构建多个关系图；

利用图神经网络和注意力机制从多个角度学习并得到用户与服务的表征，得到用户表征与服务表征；以及

基于所述用户表征与所述服务表征预测所述用户对于任一服务的感兴趣程度的评分大小，并根据预测评分的大小生成所述服务的推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述根据服务生态系统中存在的用户之间的社交信息，用户与服务的调用交互信息以及服务之间的组合信息构建多个关系图，包括：

从预设服务生态平台中，采集预设时长内的所述用户对所述服务的调用记录，生成作为服务调用数据集，并采集相关的用户社交信息，生成用户社交数据集；

对所述服务调用数据集和所述用户社交数据集进行预处理，得到处理后的服务调用数据集和所述用户社交数据集；

对所述处理后的服务调用数据集和所述用户社交数据集及服务组合数据集，分别构建一个以用户为节点且社交关系为连边的用户-用户社交图、以所述用户与所述服务为节点，调用交互关系为连边的用户-服务交互图、以所述服务为节点且组合关系为连边的服务-服务组合图。

3.根据权利要求2所述的方法，其特征在于，所述对所述服务调用数据集和所述用户社交数据集进行预处理，得到处理后的服务调用数据集和所述用户社交数据集，包括：

去除所述服务调用数据集和所述用户社交数据集中的重复项进行去除，并统一所述服务调用数据集和所述用户社交数据集中数据格式；

基于预设高分共现的方法挖掘服务之间存在的组合关系，得到所述服务组合数据集；

对所述用户和所述服务进行编号，并根据所述用户和所述服务之间的关系整理为两两对应的方式。

4.根据权利要求2所述的方法，其特征在于，所述利用图神经网络和注意力机制从多个角度学习并得到用户与服务的表征，得到用户表征与服务表征，包括：

基于所述用户-用户社交图和所述用户-服务交互图，使用用户/服务嵌入层获得用户/服务的初始表征，并使用所述图神经网络和所述注意力机制，从多个角度学习并获得所述用户的表征；

基于所述服务-服务社交图和所述用户-服务交互图，使用所述图神经网络和所述注意力机制，从多个角度学习并获得所述服务的表征；

基于所述用户的表征和所述服务的表征，计算所述用户对所述服务的感兴趣评分大小，并基于预设目标函数进行学习，直至达到预设收敛条件，得到所述用户表征和所述服务表征。

5.根据权利要求4所述的方法，其特征在于，所述目标函数为：

其中，u为某个用户，s为某个用户，Θ为训练集，r_us为真实评分记录，r_u'_s为最终用户u对服务s感兴趣程度的评分大小，Φ为可训练参数，λ为一个惩罚项的控制参数。

6.一种基于多图多角度图神经网络的服务推荐装置，其特征在于，包括：

构建模块，用于根据服务生态系统中存在的用户之间的社交信息、用户与服务的调用交互信息以及服务之间的组合信息构建多个关系图；

获取模块，用于利用图神经网络和注意力机制从多个角度学习并得到用户与服务的表征，得到用户表征与服务表征；以及

推荐模块，用于基于所述用户表征与所述服务表征预测所述用户对于任一服务的感兴趣程度的评分大小，并根据预测评分的大小生成所述服务的推荐信息。