[发明专利]基于用户兴趣的会话推荐方法及系统

说明书

本发明公开了基于用户兴趣的会话推荐方法及系统，包括：根据获取的用户曾点击过的物品时间序列，构造加权有向会话图；获取加权有向会话图中每个节点的最终向量表示；根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；将加入位置信息的物品嵌入向量，输入到Transformer层中，输出更新后的加入位置信息的物品嵌入向量；对更新后的加入位置信息的物品嵌入向量，提取长期兴趣表示和当前偏好表示，得到最终的会话嵌入向量；基于最终的会话嵌入向量，进行候选物品的推荐。

技术领域

本申请涉及会话推荐技术领域，特别是涉及基于用户兴趣的会话推荐方法及系统。

背景技术

本部分的陈述仅仅是提到了与本申请相关的背景技术，并不必然构成现有技术。

基于会话的推荐方法是最近几年才开始流行起来，本申请发现，目前的主流方法是使用循环神经网络和马尔科夫链。如将循环神经网络与会话推荐相结合，从用户行为的时间变化上考虑。再如使用门控循环单元来对经典的循环神经网络进行了重新定义。另一广泛应用的方法是NARM，包含一个全局和局部的循环神经网络推荐器，同时捕捉用户的顺序行为和主要目的。STAMP方法在此基础上，又通过增加多层感知机和注意力网络，令该模型还可以捕捉用户的一般兴趣和当前兴趣。还有一种新的基于会话的推荐模型：SR-GNN。在SR-GNN中，作者使用了门控图神经网络学习会话内用户的隐状态，也达到了相当好的效果。

发明人发现，传统的基于会话推荐方法，大多数是将会话建模为序列，无法充分的捕捉到会话中物品与物品之间复杂的转换关系。另外，传统基于会话的推荐方法没有充分考虑用户偏好对于推荐效果的提升。

发明内容

为了解决现有技术的不足，本申请提供了基于用户兴趣的会话推荐方法及系统；

第一方面，本申请提供了基于用户兴趣的会话推荐方法；

基于用户兴趣的会话推荐方法，包括：

根据获取的用户曾点击过的物品时间序列，构造加权有向会话图；获取加权有向会话图中每个节点的最终向量表示；

根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；

将加入位置信息的物品嵌入向量，输入到Transformer层中，输出更新后的加入位置信息的物品嵌入向量；

对更新后的加入位置信息的物品嵌入向量，提取长期兴趣表示和当前偏好表示，得到最终的会话嵌入向量；

基于最终的会话嵌入向量，进行候选物品的推荐。

第二方面，本申请提供了基于用户兴趣的会话推荐系统；

基于用户兴趣的会话推荐系统，包括：

会话图构造模块，其被配置为：根据获取的用户曾点击过的物品时间序列，构造加权有向会话图；获取加权有向会话图中每个节点的最终向量表示；

嵌入向量获取模块，其被配置为：根据加权有向会话图中每个节点的最终向量表示，获取加入位置信息的物品嵌入向量；

嵌入向量更新模块，其被配置为：将加入位置信息的物品嵌入向量，输入到Transformer层中，输出更新后的加入位置信息的物品嵌入向量；

用户偏好提取模块，其被配置为：对更新后的加入位置信息的物品嵌入向量，提取长期兴趣表示和当前偏好表示，得到最终的会话嵌入向量；

候选物品推荐模块，其被配置为：基于最终的会话嵌入向量，进行候选物品的推荐。