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：南京航空航天大学

摘要：本发明属于会话推荐技术领域，公开了一种基于异构超图神经网络的会话推荐方法及系统。超图能更有效地捕获多个节点之间的复杂关系，更准确地描述实体之间的联系。为了更好地理解用户兴趣、品牌和价格之间的复杂关联，本发明采用异构超图来表达它们之间的关系。通过节点层聚合学习同类型邻居节点的不同重要性，通过语义层聚合丰富不同类型节点之间的信息，从而得到更新后的节点嵌入表示。通过注意力机制和门控机制获取用户的兴趣偏好，通过多头注意力机制获取用户的价格偏好和品牌偏好，使模型能更精准地理解和预测用户行为。最后本发明采用logits均值插值更新方法，以提高推荐结果的多样性和准确性。

主权项：1.一种基于异构超图神经网络的会话推荐方法，其特征在于，包括如下步骤：步骤1.构建异构超图模型，以捕捉和表述实体间的复杂高阶关系；构建的异构超图模型由节点集合和边集合组成；节点集合被划分为三种类型的节点：ID、价格和品牌；边集合中包含兴趣超边、品牌超边、价格超边、异构超边四种类型的超边，以实现不同节点间的连接；步骤2.通过整合节点自身的属性以及其通过同构超边连接的同类型相邻节点的特征，以实现特征的深度融合，生成全面且丰富的节点表示；所述步骤2具体为：首先提出一种基于变换矩阵，将三种不同类型节点的特征从各自的空间映射到一个统一的特征空间中，以实现异构信息的整合；映射过程如下所示： 其中，t'表示原始id、p和c；t代表映射后的节点id、p和c；代表第i个节点的原始特征，表示第i个节点更新后的映射特征；对于任意节点n，n∈N，其同类型邻居节点ns对节点n的影响程度存在显著差异，因此引入注意力机制，通过注意力机制，首先计算节点n与节点n的每个邻居节点之间的关联权重，然后对求得的权重进行归一化处理，具体公式如下： 其中，f·为迭代函数，是可学习参数；表示的邻居节点更新后的表示，表示第k个节点的权重；i、j、k分别表示节点计数，均属于N；由于每个节点的邻居节点都各不相同，因此，在聚合邻居节点时会产生不同的影响；然后，通过邻居节点特征的线性组合，更新每个节点的嵌入表示，具体公式如下： 其中，表示节点i的邻居节点的总数；步骤3.通过构建异构超边捕捉产品价格、品牌和用户兴趣之间的复杂关系，并通过图神经网络生成物品、品牌和价格的嵌入表示；所述步骤3具体为：对于任意类型的节点nt，采用门控机制实现异构类型节点间的信息传递与整合，将非目标节点的信息有效地传播到目标节点；具体公式如下： 其中，rest表示目标节点，g·代表激活函数，～代表级联运算，t1表示除目标节点类型外剩余的类型的其中之一，t2表示除目标节点和t1外的类型；Wt∈Rd×3d、是可学习参数，μ是一个可控权重，ht代表目标节点的嵌入表示，和分别是与异构超边连接的其他两种类型节点的嵌入表示；步骤4.在得到更新后的节点嵌入表示后，结合不同的位置信息，并借助注意力机制和门控机制获取用户的兴趣偏好，通过多头注意力机制获取用户的价格偏好和品牌偏好；步骤5.对于给定的任何用户会话，通过比较当前会话中用户偏好目标值与其他会话的相似度，对模型输出的logits进行动态插值处理，以平衡不同用户的个性化偏好，还通过预测用户感兴趣的下一个物品，增强推荐结果的相关性和多样性。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于异构超图神经网络的会话推荐方法及系统