[发明专利]基于多通道超图神经网络的捆绑推荐方法

权利要求书

1.一种基于多通道超图神经网络的捆绑推荐方法，其特征在于，包括以下步骤：

获取用户-物品-捆绑包交互图和对应的节点特征，其中，所述用户-物品-捆绑包交互图包括物品和捆绑包的从属信息、用户与捆绑包的交互信息和用户与物品的交互信息；

根据所述用户-物品-捆绑包交互图构建用户超图、物品超图、捆绑包超图；

对所述节点特征进行初始化得到用户特征、物品特征、捆绑包特征；

对所述用户特征、物品特征、捆绑包特征和对应的用户超图、物品超图、捆绑包超图使用超图卷积进行特征提取，得到新的用户特征、物品特征和捆绑包特征；

对所述新的用户特征、物品特征和捆绑包特征进行特征融合得到对应的用户特征表示、物品特征表示、捆绑包特征表示；

使用捆绑包引导的物品池化模块对所述物品特征表示进行聚合，并与所述捆绑包特征表示相加得到最终表示；

通过将所述用户特征表示和所述最终表示进行点乘得到用户对捆绑包的偏好程度；

根据所述捆绑包的偏好程度进行捆绑推荐；

其中，所述用户超图的构建包括以下步骤：

对于所述用户与物品的交互信息，以每一个物品为中心，用超边将与所述物品直接连接的用户进行连接，从而生成第一组超边；

对于所述用户与捆绑包的交互信息，以每一个捆绑包为中心，用超边将与所述物品直接连接的用户进行连接，从而生成第二组超边；

采用拼接的融合方式对所述第一组超边和所述第二组超边进行融合,生成所述用户超图，

所述物品超图的构建包括以下步骤：

对于所述用户与物品的交互信息，以每一个用户为中心，用超边将与所述用户直接连接的物品进行连接，从而生成第三组超边；

对于所述用户与捆绑包的从属信息，以每一个捆绑包为中心，用超边将每一个捆绑包内部的物品进行连接，从而生成第四组超边；

采用拼接的融合方式对所述第三组超边和所述第四组超边进行融合,生成所述物品超图，

所述捆绑包超图的构建包括以下步骤：

对于所述用户与捆绑包的交互信息，以每一个用户为中心，用超边将与某一个物品直接连接的捆绑包连接起来，从而生成第五组超边；

对于所述物品与捆绑包的从属信息，用超边将与某一个物品直接相连的捆绑包连接起来，从而生成第六组超边；

采用拼接的融合方式对所述第五组超边和所述第六组超边进行融合,生成所述捆绑包超图。

2.如权利要求1所述的方法，其特征在于，对所述用户特征、物品特征、捆绑包特征和对应的用户超图、物品超图、捆绑包超图使用超图卷积进行特征提取，得到新的用户特征、物品特征和捆绑包特征，表示为：

其中，和分别为所述用户特征、所述物品特征和所述捆绑包特征；和为相应的输出特征；和为该模块的可学习参数，Leakly_Relu为激活函数，H_u为用户超图，为用户超图节点的度矩阵，为用户超图超边的矩阵，W_u为用户超图超边的权重矩阵，H_i为物品超图，为物品超图节点的度矩阵，为物品超图超边的矩阵，W_i为物品超图超边的权重矩阵，H_b为捆绑包超图，为捆绑包超图节点的度矩阵，为捆绑包超图超边的矩阵，W_b为捆绑包超图超边的权重矩阵。

3.如权利要求1所述的方法，其特征在于，将不同层级的用户、物品和捆绑包的特征进行融合，表示为：

其中，u_j表示用户，i_k表示物品，b_p表示捆绑包，L为网络层数为用户特征，为物品特征，为捆绑包特征。