[发明专利]一种图网络冷启动推荐方法

权利要求书

1.一种图网络冷启动推荐方法，其特征在于：包括以下步骤：

将预打分的用户-物品数据输入至训练后的图网络，得到推荐结果；所述图网络的训练包括以下子步骤：

获取待训练的节点集或局部子图的采样局部图，所述采样局部图中的节点包括用户节点和物品节点；

对采样局部图进行距离重标记得到重标记标签，其中物品节点和用户节点的重标记规则不同；

将采样局部图的节点分配初始特征；

获取初始特征的预测标签和预测评分；

利用预测标签和重标记标签计算节点分类误差，利用预测评分和物品-用户的真实评分计算评分预测误差；

利用节点分类误差和评分预测误差计算得到整体误差，利用整体误差对图网络的参数进行更新；

所述获取待训练的节点集或局部子图的采样局部图，包括：

获取推荐系统中用户-物品交互信息矩阵M；矩阵大小为n_u×n_v，n_u为用户总数，n_v为物品总数，M中第i行第j列的值r_ij为用户u_i对物品v_j的评分，0代表没有交互；通过交互矩阵构建用户-物品交互图G；交互评分的值限定在评分集合R；

从用户集合U与物品集合V中随机选取q个节点，q∈[2，Q]，Q为预设常数，并确保q个节点有若干评分交互；该q个节点组成初始节点集或局部子图N；

对N中的节点在G中向外扩展K跳邻域进行初始采样，即将N中节点0至K跳所能到达的节点均进行采样，所有采样的节点组成局部图

所述对采样局部图进行距离重标记得到重标记标签，包括：

设置用户节点u_i的标签为u_i与N的距离值的两倍，物品节点v_j的标签为v_j与N的距离值的两倍加一；为每一个节点生成真实标签向量p_i即重标记标签，i表示中第i个节点；

所述将采样局部图的节点分配初始特征，包括：

对中的节点分配初始特征，节点u_i特征向量设定规则为：；其中，为u_i在中的独热编码，[；]表示向量级联操作；在存在用户物品描述信息时，为u_i的定长描述特征，通过对原始特征变换得到；当系统为匿名推荐系统，不存在描述字段时，为空；同理，中所有节点特征组成初始特征矩阵x⁰；

所述获取初始特征的预测标签和预测评分；利用预测标签和重标记标签计算节点分类误差，利用预测评分和物品-用户的真实评分计算评分预测误差；具体包括：

将x⁰输入到图编码网络GE中，设定GE有L层，第l层GNN的输出特征为E^l，l∈[1，L]；通过l层网络消息传递与聚合，计算最终局部图嵌入特征，取的嵌入特征矩阵从中提取局部子图N的节点嵌入E_N；

输入到图分类器GC，预测中第i个点的预测标签计算与p_i的节点分类误差

输入E_N到双线性编码器BD，预测N中边的交互预测评分计算与r_ij的计算评分预测误差

2.根据权利要求1所述的一种图网络冷启动推荐方法，其特征在于：所述获取待训练的节点集或局部子图的采样局部图，还包括：

设定局部图最大规模Q_max，当所述初始采样完成后判断节点个数，当多于Q_max，则从图边界进行额外删减，保留下的所有采样的节点组成局部图