[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

说明书

本申请涉及一种基于多图多角度图神经网络的服务推荐方法及装置，其中，方法包括：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；基于用户表征与服务表征预测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服务的推荐信息。本申请实施例可以使用图神经网络和注意力机制多角度学习并得到用户与服务的表征，根据预测用户感兴趣评分生成服务的推荐信息，从而解决数据稀疏，保证调用交互记录的充分研究与利用，提升用户个性化服务推荐的精准度。

技术领域

本申请涉及计算机系统建模以及数据分析技术领域，特别涉及一种基于多图多角度图神经网络的服务推荐方法及装置。

背景技术

随着互联网的发展以及人们生活水平的不断提高，与服务相关的数据正呈现爆炸性的增长，一方面，越来越多的服务被服务提供商发布到服务生态系统当中；另一方面，越来越多各种各样的相关信息也被集成到服务生态系统之中，使得用户之间，用户与服务之间，服务与服务之间产生了丰富的关联关系，然而，用户面对海量的服务并主动地去搜寻自己有可能感兴趣的某个服务是极其低效的，在这种条件下，如何有效地利用服务生态系统中存在的多源信息，生成针对用户的个性化的服务推荐，成为当前的迫切需求。

相关技术中，用户可以搜寻个人可能感兴趣的服务并进行调用，然而，相关技术中调用记录数据稀疏，难以良好的推断用户的兴趣，无法有效地利用存在于服务生态系统的多种关系信息来缓解数据稀疏问题，用户对服务的调用交互记录作为重要的推断数据无法被多角度地、更细粒度地研究与利用，灵活性与精准度低。

发明内容

本申请提供一种基于多图多角度图神经网络的服务推荐方法、装置、电子设备及存储介质，以解决相关技术中调用记录数据稀疏，难以良好的推断用户的兴趣，无法有效地利用存在于服务生态系统的多种关系信息来缓解数据稀疏问题，用户对服务的调用交互记录作为重要的推断数据无法被多角度地、更细粒度地研究与利用，灵活性与精准度低等问题。

本申请第一方面实施例提供一种基于多图多角度图神经网络的服务推荐方法，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。

可选地，在本申请的一个实施例中，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。

可选地，在本申请的一个实施例中，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。