[发明专利]一种基于GCN推荐的样本密度聚合方法

权利要求书

1.一种基于GCN推荐的样本密度聚合方法，其特征在于：其方法包括如下步骤：

步骤一、收集GCN模型的原始数据样本，将原始的关系网络整理为对象邻接表和对象与属性的关系表，将它们作为下一步计算的依据；

步骤二、计算出邻接矩阵的度矩阵以及高阶度矩阵，就是将邻接矩阵中的每行进行度数加权时，再额外的添加计算其邻接对象的度数的过程，通过编程中的循环语句完成，该过程得到不同阶的度矩阵；

步骤三、将步骤二得到的高阶度矩阵以D＝D₁+α₁D₂+α₂D₃的形式将它们聚合为一个最终形式的度矩阵D，然后使用该矩阵计算图的拉普拉斯矩阵L,计算方法为L＝D^-1/2AD^-1/2，然后将获得的拉普拉斯矩阵进行归一化，并使用它进行特征映射和训练，在使用之前需要确定协调参数α₁和α₂的值，协调参数的值往往存在一个可用的取值区间，使用统计的办法画出模型表现分布曲线获得它们的取值区间，具体过程如下：

首先需要确定低阶协调参数的取值范围，使用GCN模型训练并进行推荐，然后记录下当低阶协调参数的值为某个值的时候模型的准确率，并记录下来，进行下一轮统计时等距离增加或者减少协调参数的值，这个间隔一般很小，通常在0.005到0.2之间，在这个过程中模型的表现曲线多数会呈现二次函数的形式，找到最大值所对应的协调参数，对于高阶的协调参数取值也是通过同样的方法得到，但是这时低阶的协调参数应该已经固定，对于协调参数初始值的设定根据阶数而异；

步骤四、使用已经固定下来的协调参数设置来完成对原始样本数据的预处理过程，然后使用处理后的样本进行GCN网络推荐，并获得质量更高的推荐内容，在设定时间之后，由于关系网络的变动，应当重新统计协调参数的值。