[发明专利]一种基于用户特征的图数据查询推荐方法

权利要求书

1.一种基于用户特征的图数据查询推荐方法，其特征在于，所述方法包括以下步骤：

一、用户给出查询，系统通过子图同构应答该查询并返回一组查询结果；

二、在训练节点，系统将查询结果发送给用户选择，收集用户点击的产品，生成包含用户-产品对的训练数据；

三、机器学习模型基于此训练数据训练出一个新的模型，即一组新的参数；

四、在应用阶段，该模型将查询结果进行排序，并将排序后的结果发送给用户作为查询结果。

2.根据权利要求1所述的一种基于用户特征的图数据查询推荐方法，其特征在于，所述图数据G被表现为一个三元组G＝(V，E，F)，V是一组节点，E是一组连接节点的边，每个节点或边拥有一组属性及对应的属性值；图查询为一个小的子图，节点和边的数量均小于10个节点，图查询被定义为G’＝(V’，E’，F’)，包含一组节点V’、边E’和属性F’，给了一个图查询之后，采用子图同构的方法来回答该查询，即找到G中所有与该子图匹配的子图。

3.根据权利要求2所述的一种基于用户特征的图数据查询推荐方法，其特征在于，所述子图同构被定义为一个节点对应关系，即V与V’中节点的对应。

4.根据权利要求1所述的一种基于用户特征的图数据查询推荐方法，其特征在于，所述查询推荐模型在机器学习中的神经网络理论中定义，该模型的输入是一个用户和一个节点的特征向量，输出是一个0-1之间的数值，用以表现该用户对该节点的偏好程度。

5.根据权利要求4所述的一种基于用户特征的图数据查询推荐方法，其特征在于，所述特征向量对于用户或者某个节点来说，需要使用其属性及值来计算得到特征向量，特征向量为1个n-元组x1，x2…xn，其中每个向量xi表示一个特征的值。

6.根据权利要求1所述的一种基于用户特征的图数据查询推荐方法，其特征在于，给定一个用户u和一个节点v，其所述特征向量分别是h(u)和h(v)，模型的目的是生成一个函数f(u，v)，模型中包括多个神经节点，每个神经节点是一个特征向量的值，每个神经节点和它下一层的所有神经节点之间都有一条边，这条边上有一个权重w，那么中间层每个隐藏节点的值，都是由其上一层的所有节点和对应边上的权重所决定的，即

A^[l]＝g(W^[l]A^[l-1]+b^[l])

其中g是tanh函数它将任意实数的值转换到0-1之间，因而保证了所有的隐藏节点和输出节点的值都在0-1中间。

7.根据权利要求1所述的一种基于用户特征的图数据查询推荐方法，其特征在于，所述步骤三中的训练数据D是一个三元组的集合，每个三元组是u，v，xuv，其中u是用户，v是某个在查询结果中的节点，xuv＝1，如果该用户在训练过程中选择了该节点，否则xuv＝0；

假设需要训练的参数为W，那么目标函数的定义为：

训练的目的是最小化函数J(W)的值，因为W有无数种可能的值，采用反向传播算法来计算W的最优值。