[发明专利]一种基于图卷积神经网络的会话序列推荐方法及系统

权利要求书

1.一种基于图卷积神经网络的会话序列推荐方法，其特征是，包括：

获得用户的历史点击项数据，并针对每个会话序列构建为一个有向图，对于每个有向图，将其输入至图卷积神经网络以获得有向图中涉及的所有节点的隐含表示向量；

基于得到的节点的隐含表示向量，使用软注意力机制网络生成全局偏好向量和局部点击偏好向量，其中全局偏好向量和局部点击偏好向量均由节点的隐含表示向量组成，之后，将每个会话序列表示为全局偏好向量以及该会话中用户局部点击偏好向量的组合；

对于每个会话序列，由计算出的全局偏好向量以及该会话中用户局部点击偏好向量的组合预测每个项目成为下一次点击的概率。

2.如权利要求1所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，所述有向图中每一个节点代表会话序列中用户的一个点击项，图中的边表明用户连续点击了该边连接的两个节点。

3.如权利要求2所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，构建有向图之后，将有向图中边的权值进行归一化操作，边权值计算为边的出现次数除以该边的起始节点的出度。

进一步的，全局偏好向量以及该会话中用户局部点击偏好向量的组合嵌入用作会话序列的表示，在生成每个会话的嵌入表示后，通过将其隐含表示乘以每一个候选点击项，得到一个推荐得分，再通过函数对推荐得分进行归一化，选出得分最高的项作为推荐依据。

4.如权利要求1所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，图卷积神经网络对有向图的处理，具体为：将所有会话序列中涉及到的用户点击项均嵌入至一个统一的隐含表示空间中，形成为基于用户点击项目的隐含表示向量，最终，每一个会话序列表示为由该有向图中点击项的隐含表示向量组成的向量。

5.如权利要求1所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，基于隐含表示向量，首先生成用户的局部点击偏好向量，为了预测下一项点击，则影响最大的应当是用户的当前点击；

之后，考虑利用注意力机制对整个用户会话序列中涉及到的项目来构建用户全局偏好向量；

接下来，对上述两个向量进行变换，组合为用户会话序列的混合表达向量。

6.如权利要求5所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，通过得到各个用户点击项的隐含表示向量和用户会话序列的混合表达向量后，对所有候选项进行点乘操作，得到推荐得分，然后对所有得分进行归一化操作，对用户下一项点击进行预测。

7.如权利要求1所述的一种基于图卷积神经网络的会话序列推荐方法，其特征是，预测时，定义损失函数为预测点击与真实值的交叉熵，使用算法对参数进行学习。

8.一种基于图卷积神经网络的会话序列推荐系统，其特征是，包括：

节点向量表示单元，被配置为：获得用户的历史点击项数据，并针对每个会话序列构建为一个有向图，对于每个有向图，将其输入至图卷积神经网络以获得有向图中涉及的所有节点的隐含表示向量；

会话序列向量表示单元，被配置为：基于得到的节点的隐含表示向量，使用软注意力机制网络生成全局偏好向量和局部点击偏好向量，其中全局偏好向量和局部点击偏好向量均由节点的隐含表示向量组成，之后，将每个会话序列表示为全局偏好向量以及该会话中用户局部点击偏好向量的组合；

项目点击预测单元，对于每个会话序列，由计算出的全局偏好向量以及该会话中用户局部点击偏好向量的组合预测每个项目成为下一次点击的概率。

9.一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述权利要求1-7任一所述的一种基于图卷积神经网络的会话序列推荐方法。

10.一种计算机设备，包括：处理器、网络接口和存储器，所述存储器存储有可执行程序代码，所述网络接口受所述处理器的控制用于收发消息，其特征是，所述处理器用于调用所述可执行程序代码，执行上述权利要求1-7任一所述的一种基于图卷积神经网络的会话序列推荐方法。