买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽农业大学

摘要：本发明公开了一种融入标签信息的图神经网络推荐方法，包括以下步骤：步骤1、构建用户‑物品交互图以及物品‑物品关联图；步骤2、学习用户‑物品交互图中节点的特征表示；步骤3、学习所述物品‑物品关联图中节点的特征表示；步骤4、利用用户‑物品交互图中节点的特征表示、物品‑物品关联图中节点的特征表示构建多层感知机预测用户对物品的交互偏好值；步骤5、基交互偏好值向用户推荐物品。相较于使用单一交互数据的传统推荐方法，本发明能进行更合理更精确的推荐，并在一定程度上缓解物品冷启动问题。

主权项：1.一种融入标签信息的图神经网络推荐方法，其特征在于，包括以下步骤：步骤1、构建用户-物品交互图以及物品-物品关联图，其中用户-物品交互图中以用户、物品分别作为节点，物品-物品关联图中以物品作为节点；步骤2、利用第一图注意力网络学习所述用户-物品交互图中节点的特征表示；步骤3、利用第二图注意力网络结合门控循环单元，学习所述物品-物品关联图中节点的特征表示；步骤4、利用步骤2学习得到的用户-物品交互图中节点的特征表示、步骤3学习得到的物品-物品关联图中节点的特征表示构建多层感知机，并通过多层感知机预测用户对物品的交互偏好值；步骤5、基于步骤4预测得到的所述交互偏好值，向用户推荐物品；步骤2中，第一图注意力网络学习过程如下：步骤2.1、基于公式1计算用户-物品交互图中任意节点i的邻居节点j的注意力得分，公式1如下所示： 公式1中，αij为归一化后的注意力得分，exp为以e为底的幂指函数，LeakyReLU为激活函数，a、W1为第一图注意力网络的权重参数，||表示向量的拼接，hi为节点i的交互图特征向量，hj为节点i的邻居节点j的交互图特征向量，hk为节点i的邻居节点k的交互图特征向量，Ni表示用户-物品交互图中任意节点i的邻居节点集合，k为集合Ni中的节点；步骤2.2、基于公式2聚合用户-物品交互图中物品节点的交互图特征，以更新用户节点的交互图特征，公式2如下所示： 公式2中，hu表示更新后的用户节点的交互图特征，σ为ELU激活函数，Nu表示用户-物品交互图中用户节点的邻居节点集合，W2为第一图注意力网络的权重参数，hv为物品节点的交互图特征，αuv为按步骤2.1计算的节点v对节点u的注意力得分，v为用户u的邻居节点；步骤2.3、基于公式3聚合用户-物品交互图中用户节点的交互图特征，以更新物品节点的交互图特征，公式3如下所示： 公式3中，hv表示更新后的物品节点的交互图特征，σ为ELU激活函数，Nv表示用户-物品交互图中物品节点的邻居节点集合，W2为第一图注意力网络的权重参数，hu为用户节点的交互图特征，αvu为按步骤2.1计算的节点u对节点v的注意力得分，u为物品v的邻居节点；步骤3中，第二图注意力网络结合门控循环单元的学习过程如下：步骤3.1、基于公式4计算物品-物品关联图中任意节点m的邻居节点n的注意力得分，公式4如下所示： 公式4中，αmn为归一化后的注意力得分，exp为以e为底的幂指函数，LeakyReLU为激活函数，a2、W3为第二图注意力网络的权重参数，zm为节点m关联图特征向量，zn为节点m的邻居节点n的关联图特征向量，zl为节点m的邻居节点l的关联图特征向量，||表示向量的拼接，N′m表示关联图上节点m的邻居节点集合，l表示集合N′m中的节点；步骤3.2、基于公式5聚合物品-物品关联图中物品节点的邻居节点的关联图特征，以更新该物品节点的关联图特征，公式5如下所示： 公式5中，zv表示更新后的物品节点v的关联图特征，σ为ELU激活函数，N′v表示物品-物品关联图中物品节点v的邻居节点集合，W4为第二图注意力网络的权重参数，zc为物品节点v的邻居节点c的关联图特征，αvc为按步骤3.1计算的节点c相对于节点v的注意力得分；步骤3.3、在物品-物品关联图中进行随机游走，并按游走次数采样节点的高阶邻居，并进行排序得到高阶邻居序列如公式6所示：Sv＝{s1,s2,···,st}6，公式6中，Sv为对物品v的高阶邻居随机游走采样结果，s1,s2,···,st均为采样得到的高阶邻居节点，t为采样次数，并对采样结果按游走次数由大到小排列，得到排序后的高阶邻居序列；步骤3.4、对步骤3.3得到的排序后的高阶邻居序列的关联图特征，使用门控循环单元处理，得到节点的高阶邻域特征表示，如公式7所示： 公式7中，z'v为物品节点v在物品-物品关联图中的高阶邻域特征表示，GRU为门控循环单元，为高阶邻居节点st的关联图特征；步骤3.5、基于步骤3.4中门控循环单元输出结果融合物品节点的关联图特征如公式8所示：h'v＝βw5⊙zv+1-βw5⊙]z'v8，公式8中，h'v表示物品节点v最终的关联图特征，β为sigmoid激活函数，w5为融合关联图特征所用的权重参数，⊙为内积操作。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种融入标签信息的图神经网络推荐方法