[发明专利]一种基于图卷积与神经协同过滤的信息推荐方法

摘要

本发明公开了一种基于图卷积与神经协同过滤的信息推荐方法，结合图卷积神经网络模型的优点，能够通过直观的方式对多种信息进行融合处理，不仅能够接收用户的特征信息，而且能够接收用户的属性信息，对稀疏的评分数据有较好的推荐性能；另外使用了多种技巧对模型的输入与参数进行优化建模，克服了可能遇到的细节问题。另外，由于引入非线性的基于神经网络的协同过滤方法作为模型的解码器部分，能够很好的利用图卷积编码器输出的用户和物品编码，通过end‑to‑end的模型，所有过程都是运行在同一框架下，不需分别训练。经过输入数据的处理和模型的训练与预测，可以得到完整的评分预测矩阵。

主权项

1.一种基于图卷积与神经协同过滤的信息推荐方法，其特征在于，包括以下步骤：1)、获取用户与物品之间的评分信息以及用户与物品的特征，根据用户与物品之间的评分信息构建用户‑物品的评分矩阵；2)、对用户‑物品的交互矩阵进行处理，得到用户‑用户邻接矩阵以及物品‑物品邻接矩阵；3)、以用户‑用户邻接矩阵与物品‑物品邻接矩阵、以及用户与物品的特征为图卷积编码器的输入，通过图卷积编码器计算用户编码矩阵以及计算物品编码矩阵；4)、将用户编码矩阵以及计算物品编码矩阵作为神经网络解码器的输入，经过多层神经网络后得到预测的评分矩阵；5)、根据得到预测的评分矩阵评分的高低，向用户推送信息。